基于 RZA-NLMF 算法的自适应稀疏感知以实现压缩感知问题
信息论
2015-06-18 v1 math.IT
摘要
非线性稀疏感知 (NSS) 技术已被应用于雷达成像等众多领域的压缩感知实现。与 NSS 不同，本文提出了一种基于重加权零吸引归一化最小均方四阶 (RZA-NLMF) 算法的自适应稀疏感知 (ASS) 方法，该方法依赖于若干给定参数，即重加权因子、正则化参数和初始步长。首先，基于独立性假设，推导了作为性能比较基准的 Cramer-Rao 下界 (CRLB)。此外，提出了一种重加权因子选择方法以实现鲁棒的估计性能。最后，为验证该算法，给出了基于蒙特卡洛的计算机仿真，结果表明 ASS 的均方误差 (MSE) 性能远优于 NSS。
引用
@article{arxiv.1403.0190,
title = {RZA-NLMF algorithm based adaptive sparse sensing for realizing compressive sensing problems},
author = {Guan Gui and Li Xu and Fumiyuki Adachi},
journal= {arXiv preprint arXiv:1403.0190},
year = {2015}
}
备注
15 pages, 9 figures, submitted for journal