基于连续混合范数的脉冲噪声鲁棒稀疏恢复
信号处理
2018-04-13 v1 信息论
机器学习
math.IT
机器学习
摘要
本文研究在加性脉冲噪声存在下的稀疏信号恢复问题。重尾脉冲噪声可用稳定分布很好地建模。由于 SαS 分布的概率密度函数无显式表达，人们使用广义高斯分布（GGD）等替代近似，其对残差施加 ℓ_p-范数保真度。本文中，我们利用连续混合范数（CMN）进行鲁棒稀疏恢复，以替代 ℓ_p-范数。我们表明，在盲条件下，即噪声分布参数未知时，引入 CMN 可带来近最优恢复。我们采用交替方向乘子法（ADMM）求解由利用 CMN 进行鲁棒稀疏恢复所引出的问题。在该方法中，CMN 被代理函数替代，并结合 Majorization-Minimization 技术求解问题。仿真结果证实了所提方法相对于文献中若干近期脉冲噪声鲁棒稀疏恢复算法的有效性。
引用
@article{arxiv.1804.04614,
title = {Impulsive Noise Robust Sparse Recovery via Continuous Mixed Norm},
author = {Amirhossein Javaheri and Hadi Zayyani and Mario A. T. Figueiredo and Farrokh Marvasti},
journal= {arXiv preprint arXiv:1804.04614},
year = {2018}
}