الگوریتم تقریبی بردار پیغام برای حسگر فشرده با استفاده از ماتریس ساختار یافته

ترجمه مقاله الگوریتم تقریبی بردار پیغام برای حسگر فشرده با ماتریس ساختار یافته

ترجمه مقاله Vector approximate message passing algorithm for compressed sensing with structured matrix perturbation

در این پست ترجمه مقاله الگوریتم تقریبی بردار پیغام برای حسگر فشرده با استفاده از ماتریس ساختار یافته را برای شما دوستان آماده کردیم که علاوه بر چکیده و مقدمه می توانید خود مقاله اصلی را نیز به طور کاملا رایگان دانلود بفرمایید.

چکیده مقاله

در این مقاله، ما یک فرم کلی از حسگر فشرده تراکمی (CS) را در نظر می‌گیریم که در آن ماتریس حسگر دقیقا مشخص نیست. چنین مواردی در مواقعی وجود دارند که نواقص یا پارامتر های کالیبراسیون ناشناس در طول فرآیند اندازه‌گیری وجود دارند. به ویژه، ماتریس سنجش ممکن است دارای ساختاری باشد که اختلال را از الگوی ثابتی پیروی می‌کند. کار قبلی بر گسترش انتقال پیام تقریبی (AMP) و الگوریتم LASSO برای مقابله با توزیع یکنواخت و یکنواخت (i. i. d) است. براساس الگوریتم VAMP اخیر، اختلال ساختاری را در نظر می‌گیریم و آشفتگی (اختلال) را به عنوان الگوریتم تقریبی انتقال پیام تقریبی (PC – VAMP) پیشنهاد می‌کنیم. نتایج عددی کارایی PC – VAMP را نشان می‌دهند.

مقدمه

حسگر فشرده (CS) هدف بازسازی یک سیگنال پراکنده N – بعدی از اندازه ‌های خطی M نامشخص y = Ax + w است که در آن M < N و w نویز افزایشی است. نشان‌ داده شده ‌است که در غیاب نویز، بازسازی کامل ممکن است داده شود که سیگنال دقیقا K است و ماتریس اندازه‌گیری ویژگی ‌های خاصی را برآورده می‌کند (به عنوان مثال، ایزومتری محدود شده، جرقه، فضای خالی). در کاربرد های عملی، ماتریس اندازه‌گیری A ممکن است دقیقا به علت عدم انطباق مدل، کالیبراسیون ناقص و نقص در سخت‌افزار اکتساب سیگنال شناخته نشود. در نتیجه، چندین اثر الگوریتم بازیابی و کران عملکرد برای سیگنال عمومی با توزیع یکنواخت و یکنواخت را بررسی کرده ‌اند. علاوه بر این، عدم قطعیت ماتریس اندازه‌گیری در تنظیمات کوانتیزه شده نیز مورد بررسی قرار گرفته ‌است. برای بازیابی سیگنال پراکنده در i.i.d آشفتگی ، عملکرد بازیابی الگوریتم هایی مانند تعقیب پایه (BP) و الگوریتم تعقیب متعامد متعامد (OMP) مورد تجزیه و تحلیل قرار می گیرند در حالی که کار بالا تاثیر اختلال بر روی الگوریتم های تثبیت ‌شده را بررسی می‌کند، الگوریتم هایی نیز وجود دارد که عدم قطعیت ماتریس اندازه‌گیری را در نظر می‌گیرند.

چکیده انگلیسی

In this paper, we consider a general form of noisy compressive sensing (CS) where the sensing matrix is not precisely known. Such cases exist when there are imperfections or unknown calibration parameters during the measurement process. Particularly, the sensing matrix may have some tructure, which makes the perturbation follow a fixed pattern. Previous work has focused on extending the approximate mes- sage passing (AMP) and LASSO algorithm to deal with the independent and identically distributed (i.i.d.) perturbation. Based on the recent VAMP algorithm, we take the structured perturbation into account and propose the perturbation considered vector approximate message passing (PC-VAMP) algorithm. Numeri- cal results demonstrate the effectiveness of PC-VAMP.

منبع : sciencedirect.com