基于贝叶斯的鲁棒性压缩感知方法技术

本发明专利技术属于信号检测与估计(signal detection and estimation)与通信技术领域，运用在DOA的感应器部分损坏或者异常的场景，实现方法是基于贝叶斯估计的鲁棒性压缩感知。本发明专利技术的目的在于提供一种基于贝叶斯的鲁棒性压缩感知方法。本发明专利技术考虑部分观测信号出现异常，对稀疏原始信号进行有效恢复的问题。本发明专利技术的核心思想是利用一个服从伯努利分布的指针，基于贝叶斯框架来自动检测异常值的位置，并对其剔除进行有效恢复。

【技术实现步骤摘要】
基于贝叶斯的鲁棒性压缩感知方法
本专利技术属于信号检测与估计(signaldetectionandestimation)与通信
，运用在DOA的感应器部分损坏或者异常的场景，实现方法是基于贝叶斯估计的鲁棒性压缩感知。
技术介绍
DOA(阵列信号到达角)估计是阵列信号处理领域的关键问题。相关拓展有空间谱估计，CS可以克服需要大量测量数据的问题。将压缩感知理论应用于DOA估计问题，需建立合适的角估计稀疏表示，即空间稀疏化。以下将会从普通压缩场景到DOA场景，区别在于，普通压缩场景的测量矩阵A是服从高斯分布的，而DOA场景的测量矩阵A是服从FFT矩阵，从中随机取出M行(也有等间距选取)。针对此类问题，我们考虑一个更加一般性的问题，即测量值有部分存在异常或者缺失。此种情况下，对算法的鲁棒性提出了很高的要求，所以目前存在的思路是给异常信号作补偿，本节会提出一个新的思路，对异常信号做自适应剔除，在效果和鲁棒性上都有比较大的提升。
技术实现思路
本专利技术的目的在于提供一种基于贝叶斯的鲁棒性压缩感知方法。本专利技术考虑部分观测信号出现异常，对稀疏原始信号进行有效恢复的问题。本专利技术的核心思想是利用一个服从伯努利分布的指针，基于贝叶斯框架来自动检测异常值的位置，并对其剔除进行有效恢复。为了方便理解，首先介绍本专利技术使用的模型：本专利技术用于恢复部分观测值异常的稀疏信号，基本模型为y＝Ax+s+e，其中，观测信号y∈RM，服从标准高斯分布(或FFT矩阵)的测量矩阵A∈RM×N，稀疏信号x∈RN的稀疏度为K,稀疏异常值s∈RM,高斯白噪声e∈RM。一种基于贝叶斯的鲁棒性压缩感知方法，具体步骤如下：S1、构造具有随机采样性质的感知矩阵A，对信号进行采样得到y，设置误差预设值ε；S2、构造各个参数的先验、后验分布：S3、目标更新函数，相应变量同时，S4、各参量先验：S5、利用Variational-EM算法更新各参数，具体步骤如下：S51、更新qx(x)：由于其中，Ds＝diag(s)andDα＝diag(α)，由于x服从高斯分布，则S52、更新qα(α)：由于由于S53、更新qγ(γ)：由于p(γ|c,d)＝Gamma(γ；c,d)则，S54、更新qs(s)：由于其中，同时S55、更新qλ(λ)：由于则故S6、若S5迭代过程满足终止条件停止迭代，否则返回S5进行下一次迭代。本专利技术的有益效果是：本专利技术所有参数可以自动更新，在异常值数量比较多时，优势特别明显，并且时间复杂度更低。附图说明图1分别为测量数M与恢复正确率的关系，异常值个数与恢复正确率的关系。图2分别为测量数M与NMSE的关系，异常值个数与NMSE的关系。具体实施方式下面结合具体实施例，对本专利技术作进一步地详细描述。一种强鲁棒性1比特压缩感知方法，具体步骤如下：S1、构造具有随机采样性质的感知矩阵A，对信号进行采样得到y，设置误差预设值ε；S2、构造各个参数的先验、后验分布：S3、目标更新函数，相应变量同时，S4、各参量先验：S5、利用Variational-EM算法更新各参数，具体步骤如下：S51、更新qx(x)：由于其中，Ds＝diag(s)andDα＝diag(α)，由于x服从高斯分布，则S52、更新qα(α)：由于由于S53、更新qγ(γ)：由于p(γ|c,d)＝Gamma(γ；c,d)则，S54、更新qs(s)：由于其中，同时S55、更新qλ(λ)：由于则故S6、若S5迭代过程满足终止条件停止迭代，否则返回S5进行下一次迭代。下面将其他相关算法同本专利技术方法的算法性能对比分析，以进一步验证本专利技术的性能。采用两种衡量指标来度量算法的性能。一个是恢复正确率(successrate)，在无噪声条件下测试；一个是用来衡量稀疏信号的恢复准确性，叫做归一化均方误差(NormalizedMeanSquaredError，简称NMSE)，在夹杂高斯噪声的条件下测试。NMSE的定义为图1(a)中N＝64,K＝3,T＝7，图1(b)中N＝64,K＝3,M＝25,T代表异常值的个数。从该图可以看出相比那些对异常值进行补偿的算法(C-RBCS)，本专利技术具有更大的性能优势；图2(a)中N＝64,K＝3,T＝7，图2(b)中N＝64,K＝3,M＝25,噪声方差为0.01，我们会发现本专利提出算法(BP-RBCS)鲁棒性更好。综上所诉，本专利提出了一个新的贝叶斯方法针对于鲁棒性压缩感知。通过服从伯努利分布的变量来表示观测值是否异常，通过贝叶斯方法进行有效自动更新，我们可以检测异常值并且剔除后对稀疏信号进行有效恢复。实验结果显示，本专利技术提出的算法性能更优以及鲁棒性更好。本文档来自技高网...

【技术保护点】
一种基于贝叶斯的鲁棒性压缩感知方法，具体步骤如下：S1、构造具有随机采样性质的感知矩阵A，对信号进行采样得到y，设置误差预设值ε；S2、构造各个参数的先验、后验分布：S3、目标更新函数，相应变量

【技术特征摘要】
1.一种基于贝叶斯的鲁棒性压缩感知方法，具体步骤如下：S1、构造具有随机采样性质的感知矩阵A，对信号进行采样得到y，设置误差预设值ε；S2、构造各个参数的先验、后验分布：S3、目标更新函数，相应变量同时，S4、各参量先验：S5、利用Variational-EM算法更新各参数，具体步骤如下：S51、更新qx(x)：由于其中，Ds＝diag(s)andDα＝dia...

【专利技术属性】
技术研发人员：方俊，万千，张丹，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51