

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、本論文通過挖掘二維信號中廣泛存在的結(jié)構(gòu)稀疏特征,提升稀疏信號的重構(gòu)精度。首先提出了一種二維結(jié)構(gòu)耦合稀疏先驗?zāi)P?,并基于該模型設(shè)計了一種自動挖掘二維結(jié)構(gòu)稀疏特征的稀疏貝葉斯學習算法,提升稀疏重構(gòu)性能。另外,針對傳統(tǒng)稀疏貝葉斯學習方法計算復(fù)雜度高的缺陷,本論文提出了基于廣義近似消息傳遞的低復(fù)雜度稀疏重構(gòu)方法,可以在保證信號重構(gòu)精度的前提下,將計算復(fù)雜度大大降低,極大的提高算法運行效率。
首先,針對二維信號結(jié)構(gòu)稀疏特征建立的結(jié)構(gòu)耦合
2、先驗?zāi)P?,不同于傳統(tǒng)稀疏貝葉斯學習中信號每個分量的稀疏性都由獨立的超參數(shù)進行控制。在該模型中,每個分量的稀疏性不僅與自身的超參數(shù)有關(guān),同時還通過耦合結(jié)構(gòu)與四周相鄰的超參數(shù)聯(lián)系在一起?;谠撃P驮O(shè)計的稀疏貝葉斯算法,通過利用期望最大化(EM)算法來對超參數(shù)的最大化后驗概率(MAP)進行估計。在算法迭代的過程中,超參數(shù)需要自適應(yīng)的學習與更新,相鄰的超參數(shù)通過連接它們的同一系數(shù)相互產(chǎn)生影響。這種連接方式給相鄰系數(shù)提供了一種松散的耦合結(jié)構(gòu),但不
3、會強制要求相鄰系數(shù)稀疏性保持一致,該耦合結(jié)構(gòu)可以有效的促進結(jié)構(gòu)稀疏聚類特征,同時又為自適應(yīng)學習塊狀稀疏結(jié)構(gòu)提供了靈活的框架。仿真實驗結(jié)果表明,相對于其他現(xiàn)有算法,該算法可以有效的挖掘結(jié)構(gòu)稀疏特征,提升信號重構(gòu)性能。
另外,基于傳統(tǒng)貝葉斯模型設(shè)計的稀疏重構(gòu)算法由于在計算信號后驗分布信息時需要進行矩陣求逆操作,計算復(fù)雜度過高。本文引入了廣義近似消息傳遞算法,該方法通過利用泰勒展開及中心極限定理等近似過程,可以有效的降低后驗分布信息
4、估計過程的計算代價。在結(jié)構(gòu)耦合稀疏先驗?zāi)P拖?,利用廣義近似消息傳遞算法來高效估計隱藏變量后驗分布,從而計算Q-函數(shù)。再利用EM算法,在迭代過程中通過最大化Q-函數(shù)來對分層高斯先驗?zāi)P偷膮?shù)進行估計。本文設(shè)計的基于廣義近似消息傳遞的低復(fù)雜度稀疏重構(gòu)算法,可以將計算復(fù)雜度從O(N3)降為O(MN)(M(□) N,M為觀測向量維度,N為待恢復(fù)信號維度)。仿真實驗結(jié)果表明,本文提出的算法在有效降低算法運算復(fù)雜度的同時,相對于其他稀疏重構(gòu)方法也具
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 壓縮感知理論關(guān)鍵技術(shù)研究與應(yīng)用.pdf
- 基于貝葉斯壓縮感知理論與技術(shù)研究.pdf
- 基于壓縮感知的超分辨率理論與技術(shù)研究.pdf
- 基于壓縮感知的圖像壓縮技術(shù)研究與實現(xiàn).pdf
- 基于壓縮感知的超分辨率理論與技術(shù)研究
- 基于隨機矩陣理論和壓縮感知的合作頻譜感知技術(shù)研究.pdf
- 壓縮感知關(guān)鍵技術(shù)研究.pdf
- 貝葉斯壓縮感知理論與技術(shù).pdf
- 壓縮感知的重構(gòu)技術(shù)研究.pdf
- 基于壓縮感知理論的MIMO雷達角度估計技術(shù)研究.pdf
- 基于壓縮感知的寬帶頻譜感知技術(shù)研究.pdf
- 圖像壓縮感知并行重構(gòu)技術(shù)研究.pdf
- 語音壓縮感知關(guān)鍵技術(shù)研究.pdf
- 基于壓縮感知的交通視頻壓縮技術(shù)研究.pdf
- 基于小波與壓縮感知的電能質(zhì)量信號壓縮技術(shù)研究.pdf
- 1-Bit壓縮感知技術(shù)研究.pdf
- 基于壓縮感知理論的機械振動信號處理技術(shù)研究.pdf
- 基于壓縮感知的頻譜感知關(guān)鍵技術(shù)研究.pdf
- 基于非重構(gòu)壓縮感知的協(xié)作頻譜感知技術(shù)研究.pdf
- 基于壓縮感知和指數(shù)熵的頻譜感知技術(shù)研究.pdf
評論
0/150
提交評論