从多个测量向量中统计恢复同时稀疏的时变信号
信息论
2015-12-08 v2 math.IT
摘要
在本文中，我们提出了一种新的稀疏信号恢复算法，称为稀疏卡尔曼树搜索 (sKTS)，该算法在可获得相关观测向量序列时，能提供稀疏向量的鲁棒重构。所提出的 sKTS 算法基于期望最大化 (EM) 算法，包含两个主要操作：1) 卡尔曼平滑以获取源信号向量的后验统计量；2) 贪婪树搜索以估计信号向量的支撑集。通过数值实验，我们证明了所提出的 sKTS 算法在恢复稀疏信号方面是有效的，且性能接近 Oracle（基于 genie 的）卡尔曼估计器。
引用
@article{arxiv.1411.5187,
title = {Statistical Recovery of Simultaneously Sparse Time-Varying Signals from Multiple Measurement Vectors},
author = {Jun Won Choi and Byonghyo Shim},
journal= {arXiv preprint arXiv:1411.5187},
year = {2015}
}