用于具有时间相关源向量的稀疏信号恢复的迭代重加权算法
机器学习
2011-04-29 v1 信息论
math.IT
摘要
迭代重加权算法作为一类用于稀疏信号恢复的算法，已被发现比其非重加权对应算法具有更好的性能。然而，对于求解多测量向量问题，所有现有的重加权算法都没有考虑源向量之间的时间相关性，因此在存在相关性时其性能显著下降。在这项工作中，我们提出了一种利用时间相关性的迭代重加权稀疏贝叶斯学习算法，并受此启发，提出了一种改进现有多测量向量问题重加权 ℓ₂ 算法的策略，即用马氏距离度量替换其行范数。仿真结果表明，所提出的重加权 SBL 算法具有优越的性能，且所提出的改进策略对现有的重加权 ℓ₂ 算法是有效的。
引用
@article{arxiv.1104.5280,
title = {Iterative Reweighted Algorithms for Sparse Signal Recovery with Temporally Correlated Source Vectors},
author = {Zhilin Zhang and Bhaskar D. Rao},
journal= {arXiv preprint arXiv:1104.5280},
year = {2011}
}
备注
Accepted by ICASSP 2011