稀疏时间序列的串行量化
信息论
2020-11-24 v3 math.IT
摘要
稀疏信号在广泛的应用中都会遇到。为了使用数字硬件处理这些信号，必须首先使用模数转换器（ADC）对其进行采样和量化，ADC 通常以串行标量方式工作。在这项工作中，我们提出了一种受群体测试理论启发的稀疏时间序列串行量化（SQuaTS）方法，旨在使用串行标量 ADC 以串行方式可靠且准确地量化获取的稀疏信号。与之前结合量化和压缩感知（CS）的方法不同，我们的 SQuaTS 方案在每个输入的模拟样本上更新其表示，并且不需要在量化之前完整观测并以模拟形式存储信号。我们刻画了 SQuaTS 的精度与量化率之间的渐近权衡及其计算负担。我们还提出了 SQuaTS 的一种变体，以速率换取计算效率。接下来，我们展示了 SQuaTS 如何自然扩展到分布式量化场景，其中一组联合稀疏时间序列被分别获取并联合处理。我们的数值结果表明，SQuaTS 能够在不需要在量化前观测完整模拟信号样本集的情况下，比之前基于 CS 的方案实现大幅改进的表达精度，使其成为获取稀疏时间序列的一种有吸引力的方法。
引用
@article{arxiv.1907.01691,
title = {Serial Quantization for Sparse Time Sequences},
author = {Alejandro Cohen and Nir Shlezinger and Salman Salamatian and Yonina C. Eldar and Muriel Médard},
journal= {arXiv preprint arXiv:1907.01691},
year = {2020}
}