改进Laplace先验下的复数域多任务贝叶斯压缩感知方法OACSTPCD
Complex multitask Bayesian compressive sensing algorithm using modified Laplace priors
为了将现有的实数域贝叶斯压缩感知方法推广至复数域,利用改进Laplace先验假设,提出了一种复数域多任务贝叶斯压缩感知(complex multitask Bayesian compressive sensing using modified Laplace priors,CMBCS-MLP)方法,消除了测量噪声方差的影响,并推导了一种基于递归操作的快速算法.数值仿真表明:针对复数域稀疏信号重构问题,相比于现有…查看全部>>
张启雷;孙斌
国防科技大学 电子科学学院,湖南 长沙 410073北京跟踪与通信技术研究所,北京 100094
电子信息工程
贝叶斯压缩感知多任务学习改进Laplace先验复数域贝叶斯压缩感知
Bayesian compressive sensingmultitask learningmodified Laplace priorscomplex Bayesian compressive sensing
《国防科技大学学报》 2023 (5)
150-156,7
国家自然科学基金资助项目(62271495,61771478)
评论