基于变分贝叶斯推理的鲁棒多重测量稀疏信号恢复

这项工作不仅着眼于探索一种新颖的贝叶斯概率模型来制定一种通用类型的具有脉冲噪声的鲁棒多重测量矢量稀疏信号恢复问题,而且还开发了一种改进的变分贝叶斯方法来恢复原始关节行。 。 在模型的设计中,设计了两个三级分层贝叶斯估计程序,以利用高斯尺度混合和多元广义t分布来表征脉冲噪声和联合行稀疏源信号。 基于变分贝叶斯框架估计信号和测量模型中包含的那些隐藏变量,其中采用多种概率分布来表达其特征。 在算法的设计中,提出的算法是一种与变分贝叶斯估计有关的完整贝叶斯推理方法。 它对脉冲噪声具有鲁棒性,因为可以通过估计未知参数来有效地进行后验分布估计。 大量的仿真结果表明,该算法在不同类型的脉冲噪声下明显优于经过比较的鲁棒稀疏信号恢复方法。