用于鲁棒压缩感知重构的最大相关熵自适应滤波方法
信息论
2017-06-13 v1 math.IT
摘要
鲁棒压缩感知 (CS) 重构近年来已成为一个引人注目的研究课题。鲁棒 CS 旨在非高斯（即重尾）噪声下重构稀疏信号，而传统 CS 重构算法由于在优化中利用残差向量的 范数，其性能可能非常差。现有的大多数鲁棒 CS 重构算法均基于贪婪追踪方法或凸松弛方法。最近，自适应滤波框架被引入以处理 CS 重构问题，在高斯噪声下展现出了良好的效率与重构性能。在本文中，我们提出了一种基于自适应滤波的鲁棒 CS 重构算法，称为 正则化最大相关熵准则 (-MCC) 算法，它结合了自适应滤波框架与最大相关熵准则 (MCC)。由于对脉冲非高斯噪声的鲁棒性以及较低的计算复杂度，MCC 最近已成功应用于自适应滤波中。我们从理论上分析了所提出的 -MCC 算法的稳定性。进一步开发了一种基于 mini-batch 的 -MCC (MB--MCC) 算法以加速收敛。通过仿真与现有鲁棒 CS 重构算法进行了比较，结果表明所提出的 -MCC 与 MB--MCC 能够取得显著优于其他算法的性能。
引用
@article{arxiv.1706.03226,
title = {Maximum Correntropy Adaptive Filtering Approach for Robust Compressive Sensing Reconstruction},
author = {Yicong He and Fei Wang and Shiyuan Wang and Jiuwen Cao and Badong Chen},
journal= {arXiv preprint arXiv:1706.03226},
year = {2017}
}