一种稳健的复数域多任务贝叶斯压缩感知方法技术

本发明专利技术公开了一种稳健的复数域多任务贝叶斯压缩感知方法，包括：S1、输入输入y

【技术实现步骤摘要】
初始时令t＝1；设置最大递归次数K，递归终止的条件为递归次数达到K或两次递归操 作之后，代价函数l(α
m
)的变化小于门限δ，其中，最大递归次数K不能小于M，δ设 置为1
×
10
‑8，而代价函数l(α
m
)表示为：
[0011][0012]其中，表征了基矢量Φ
i,m
在B
i,
‑
m
中的重叠度，表征 了基矢量Φ
i,m
与观测数据y
i
的相关性，代表观测数据y
i
在B
i,
‑
m
中的投 影，基矢量Φ
i,m
是Φ
i
中的第m个列向量，与删除第m个列向 量影响的B
i
相等，C
i
为边缘似然p(y
i
|α)的方差；
[0013]S3、任意选择一个α
m
，根据以下公式计算判决因子：
[0014][0015]S4、判决并更新λ和α
m<br/>值，若Δ...

【技术保护点】

【技术特征摘要】
1.一种稳健的复数域多任务贝叶斯压缩感知方法，其特征在于，该方法基于复数域多任务贝叶斯测量模型实现，所述复数域多任务贝叶斯测量模型如下：y
i
＝Φ
i
x
i
+n
i
,i＝1,2,...,L，其中，表示复数域压缩观测数据，表示复数域测量矩阵，表示复数域原始信号，代表复数域测量噪声，L代表任务数目，N
i
＜＜M；假设x
i
满足复数域Laplace先验稀疏分布，n
i
满足零均值复高斯分布，则可以利用递归操作从观测数据y
i
中成功重构原始信号x
i
，该复数域多任务贝叶斯压缩感知方法包括：S1、输入输入y
i
,Φ
i
i＝1,2,...,L；S2、参数初始化，令α
m
＝∞，m＝1,2,...,M；令a＝1000,b＝1；令t代表递归次数，初始时令t＝1；设置最大递归次数K，递归终止的条件为递归次数达到K或两次递归操作之后，代价函数l(α
m
)的变化小于门限δ，其中，最大递归次数K不能小于M，δ设置为1
×
10
‑8，而代价函数l(α
m
)表示为：其中，表征了基矢量Φ
i,m
在B
i,
‑
m
中的重叠度，表征了基矢量Φ
i,m
与观测数据y
i
的相关性，代表观测数据y
i
在B
i,
‑
m
中的投影，基矢量Φ
i,m
是Φ
i
中的第m个列向量，与删除第m个列向量影响的B
i
相等，C
i
为边缘似然p(y
i
|α)的方差；S3、任意选择一个α
m
，根据以下公式计算判决因子：S4、判决并更新λ和α
m
值，若Δ
m
＞0且α
m
＝∞，进行增加操作；若Δ
m
＞0且α
m
＜∞，进行重新估计操作；若Δ
m
＜0，进行删除操作；S5、根据步骤S4选择的操作类型，进行相应的参数更新，令第t次递归时，解空间的维度为M
t
，当前Σ
i
和Φ
i
的维度分别是M
t
×
M
t
和N
i
×
M
t
...

【专利技术属性】
技术研发人员：张启雷，孙造宇，张永胜，董臻，金光虎，何峰，李德鑫，粟毅，何志华，计一飞，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：