基于不完全张量CANDECOMP/PARAFAC分解的线谱压缩感知
数值分析
2015-12-11 v1
摘要
我们考虑线谱估计问题，旨在从少量随机观测的时域样本中恢复复杂正弦信号的混合。压缩感知方法通过将连续频率参数空间离散化为有限网格点集，将线谱估计表述为稀疏信号恢复问题。然而，离散化不可避免地带来误差并导致估计性能下降。本文中，我们提出一种利用张量分解最新进展的新方法。具体地，我们将观测数据组织为一个结构化张量，并将线谱估计转化为一个带缺失项的CANDECOMP/PARAFAC (CP)分解问题。CP分解的唯一性使得频率分量能够以无限精度实现超分辨。仿真结果表明，与现有最先进算法相比，所提方法提供了具有竞争力的估计精度。
引用
@article{arxiv.1512.03224,
title = {Spectral Compressed Sensing via CANDECOMP/PARAFAC Decomposition of Incomplete Tensors},
author = {Jun Fang and Linxiao Yang and Hongbin Li},
journal= {arXiv preprint arXiv:1512.03224},
year = {2015}
}