基于参数联合迭代优化的低复杂度鲁棒数据自适应降维方法
信息论
2014-01-21 v1 math.IT
摘要
本文提出了一种基于改进的联合迭代优化（MJIO）算法的低复杂度鲁棒数据相关降维方法，用于降秩波束形成和导向矢量估计。所提出的鲁棒优化过程联合调整降秩矩阵和自适应波束形成器的参数。优化后的降秩矩阵将接收信号矢量投影到较低维度的子空间上。然后在降维子空间中执行波束形成器/导向矢量优化。我们设计了高效的随机梯度和递归最小二乘算法来实现所提出的鲁棒 MJIO 设计。所提出的鲁棒 MJIO 波束形成算法具有更快的收敛速度和改善的性能。仿真结果表明，所提出的 MJIO 算法在复杂度相当的情况下优于一些现有的全秩和降秩算法。
引用
@article{arxiv.1401.4936,
title = {Low-Complexity Robust Data-Adaptive Dimensionality Reduction Based on Joint Iterative Optimization of Parameters},
author = {P. Li and R. C. de Lamare},
journal= {arXiv preprint arXiv:1401.4936},
year = {2014}
}
备注
5 pages, 3 figures. CAMSAP 2013