1.一种强鲁棒性1比特压缩贝叶斯感知方法,其特征在于,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:
t关于y的后验分布为:其中,σ(yi)=1/(1+exp(-y))为逻辑函数,且为可导的,
x、w的高斯逆Gamma先验为:
S3、构建目标函数,具体为:
S31、引入之间变量δ,根据Jaakkola-Jordon不等式
其中,z=(2t-1)y,
λ(δ)=(1/4δ)tanh(δ/2),tanh(δ)=(exp(x)-exp(-x))/(exp(x)+exp(-x));
S32、构建替代函数
S33、令θ={x,α,w,β},构建目标函数G(t,θ,δ)=F(t,x,w,δ)p(x|α)p(α)p(w|β)p(β);
S4、令q(θ)=qx(x)qα(α)qw(w)qβ(β),利用V-EM算法更新各参数:
S41、更新qx(x):
其中,Λα=diag(α1,...αn),
Λδ=diag(λ(δ1),...λ(δm)),则x的均值方差分别为Φx=(Λ<α>+2ATΛδA)-1,Λ<α>=diag(<α1>,...<αn>),<αi>为αi关于分布qα(α)的期望;
S42、更新qw(w):
其中,Λ<β>=diag(<β1>,...<βn>),<βi>为βi关于分布qβ(β)的期望,因此w的均值方差分别为Φw=(Λ<β>+2Λδ)-1;
S43、更新qα(α):
其中,为关于分布qx(x)的期望,因此α服从如下Gamma分布:其中,则αi的期望为
S44、更新qβ(β):
其中,为关于分布qw(w)的期望,因此β服从如下Gamma分布:其中则αi的期望为
S45、对求导,可得令上式为0可得其中,<xxT>=μxμxT+Φx;
S6、如果上述迭代过程满足终止条件停止迭代,否则返回S4进行下一次迭代。