稀疏向量恢复：伯努利-高斯消息传递
信息论
2017-08-01 v1 math.IT
摘要
低成本的消息传递（MP）算法已被认为是稀疏向量恢复的一种有前景的技术。然而，现有的MP算法要么侧重于值恢复的均方误差（MSE）而忽略稀疏性要求，要么侧重于稀疏支撑（非零位置）恢复的支持错误率（SER）而忽略其值。本文提出了一种新颖的低复杂度伯努利-高斯MP（BGMP）算法，以同时执行值恢复和支撑恢复。特别地，在所提出的BGMP中，与支撑相关的伯努利消息和与值相关的高斯消息被联合处理并相互辅助。此外，通过精灵辅助最小均方误差（GA-MMSE）方法，为BGMP的MSE推导了一个严格的下界。该GA-MMSE下界在高信噪比下被证明是紧的。数值结果验证了BGMP在最终MSE、SER和收敛速度方面的优势。
引用
@article{arxiv.1707.09613,
title = {Sparse Vector Recovery: Bernoulli-Gaussian Message Passing},
author = {Lei Liu and Chongwen Huang and Yuhao Chi and Chau Yuen and Yong Liang Guan and Ying Li},
journal= {arXiv preprint arXiv:1707.09613},
year = {2017}
}
备注
Conference, 6 pages, 7 figures, accepted by IEEE Globecom 2017