基于模式耦合稀疏贝叶斯学习的联合块稀疏信号恢复
机器学习
2017-11-07 v1 信息论
信号处理
math.IT
机器学习
摘要
本文考虑具有共同行稀疏模式的多测量向量（MMV）情形下的块稀疏信号恢复问题。我们提出了一种恢复共同行稀疏 MMV 信号的新方法，其中引入模式耦合分层高斯先验模型来刻画系数的块稀疏性以及共同行稀疏 MMV 信号中相邻系数间的统计依赖关系。与许多其他方法不同，所提方法能够自动捕获未知信号的块稀疏结构。我们的方法采用期望最大化（EM）框架进行推导。仿真结果表明，我们提出的方法在恢复块稀疏共同行稀疏模式 MMV 信号方面具有有竞争力的性能。
引用
@article{arxiv.1711.01790,
title = {Simultaneous Block-Sparse Signal Recovery Using Pattern-Coupled Sparse Bayesian Learning},
author = {Hang Xiao and Zhengli Xing and Linxiao Yang and Jun Fang and Yanlun Wu},
journal= {arXiv preprint arXiv:1711.01790},
year = {2017}
}