论文部分内容阅读
贝叶斯压缩感知（Bayesian Compressed Sensing，BCS）通过稀疏贝叶斯回归模型中相关向量机（Relevance Vector Machine，RVM）的学习来解决压缩感知（Compressed Sensing，CS）中的信号重构问题。本文通过修正基于拉普拉斯先验BCS的噪声模型，较好地实现了含噪CS信号的重构。它主要利用稳健型相关向量机（Robust RVM，RRVM），改进了基于拉普拉斯先验的BCS算法。它通过对每个观测噪声方差系数进行最优化估计，来消除内外部噪声对信号重构的影响