Dictionary Learning for Blind One Bit Compressed Sensing
本文提出了一种盲一比特压缩感知的字典学习算法。在盲一比特压缩感知框架中,从一比特线性随机测量重构的原始信号在未知域中是稀疏的。在这种情况下,应当学习测量矩阵$\Ab$和稀疏域矩阵$Φ$的乘法\ie $\Db=\AbΦ$。因此,我们使用字典学习来训练这个矩阵。为此,一个适当的连续凸成本函数建议为一位压缩感知和一个简单的最速下降法是用来学习矩阵$\Db$的行。实验结果表明,该算法对无字典学习的情况下,特别是随着训练信号的数量和符号测量的数量增加的有效性。
2015-08-30 cs.IT math.IT stat.ML
Power Systems Topology and State Estimation by Graph Blind Source Separation
本文研究了电力系统状态和拓扑的盲估计问题。我们使用的线性化直流模型的实际功率测量与未知的电压相位(即状态)和一个未知的导纳矩阵(即拓扑结构),并表明最佳的问题,可以制定为一个盲声源分离(BSS)问题与加权拉普拉斯混合矩阵。我们开发的约束最大似然(ML)估计的拉普拉斯矩阵的这个图BSS(GBSS)问题的高斯分布状态。的ML-BEST被证明是唯一的状态二阶统计量的函数。由于ML-BEST方法的拓扑恢复阶段导致高复杂度的优化问题,因此我们提出了两种低复杂度的方法来实现它:1)两阶段拓扑恢复,其基于求解松弛凸优化,然后找到最接近的拉普拉斯矩阵,以及2)增强拉格朗日拓扑恢复。我们推导出一个封闭形式的表达相关的Cramer-Rao界(CRB)的拓扑矩阵估计。IEEE-14总线测试用例系统和随机网络的性能评估所提出的方法。结果表明,所提出的ML-BEST方法的状态估计性能与Oracle最小均方误差(MSE)状态估计器性能渐近一致,拓扑估计的MSE达到了所提出的CRB.
2018-09-17 cs.IT math.IT
Matrix Factorization Based Blind Bayesian Receiver for Grant-Free Random Access in mmWave MIMO mMTC
针对毫米波MIMO系统免授权随机接入中导频开销大问题,提出基于矩阵分解的盲贝叶斯接收机,实现无导频的联合用户活动检测、信道估计与信号检测,有效降低开销与延迟。
2023-04-10 cs.IT eess.SP math.IT
ETTR Bounds and Approximation Solutions of Blind Rendezvous Policies in Cognitive Radio Networks with Random Channel States
在本文中,我们考虑认知无线电网络(CRN)中的多信道会合问题,其中两个用户跳到同一个信道上的概率有一个成功的会合是信道状态的函数。信道状态由用户已知的联合分布的随机过程建模。然而,通道在任何时候的确切状态都是不可观测的。我们首先考虑两个信道模型:(i)快速时变信道模型(其中信道状态被假设为在每个时隙中独立且相同地分布),以及(ii)缓慢时变信道模型(其中信道状态随时间保持不变)。在根据一定的信道选择概率在信道上随机跳变的盲会合策略中,我们证明了在快时变信道模型中,使期望会合时间(ETTR)最小化的最优信道选择策略是一直在“最佳”信道上跳变的单一选择策略。然而,对于慢时变信道模型,寻找最优信道选择策略要困难得多。在信道状态为可交换随机变量的假设下,利用优序理论,得到了ETTR的上界和下界。在此基础上,我们证明了各种近似解。然后,我们将我们的结果扩展到一般的信道模型,其中信道状态的联合分布仅假设为在时间上是平稳的。
2019-06-25 cs.IT math.IT
Blind Adaptive Reduced-Rank Detectors for DS-UWB Systems Based on Joint Iterative Optimization and the Constrained Constant Modulus Criterion
针对直接序列超宽带(DS-UWB)系统中的干扰抑制问题,提出了一种基于联合迭代优化(JIO)和约束恒模(CCM)设计准则的线性盲自适应接收机。建议的盲接收器由两部分组成,一个变换矩阵,执行降维和降秩滤波器,产生的输出。在所提出的接收机中,变换矩阵和降秩滤波器联合更新和迭代,以最小化恒模(CM)成本函数的约束。JIO接收机的自适应实现是通过使用归一化随机梯度(NSG)和递归最小二乘(RLS)算法开发的。为了获得低复杂度的方案,RLS算法的变换矩阵的列被单独更新。盲信道估计算法的两个版本(NSG和RLS)的实现。假设完美的定时,JIO接收机只需要期望用户的扩频码和接收到的数据。仿真结果表明,两种方案的JIO接收机在抑制码间干扰(ISI)和多址干扰(MAI)方面都具有很好的性能,且复杂度较低。
2013-05-13 cs.IT math.IT
On the convex geometry of blind deconvolution and matrix completion
Technische Universität München(慕尼黑工业大学);University of Southern California(南加州大学)
在过去的十年中,从结构化测量中恢复低秩矩阵一直是一个热门的研究课题,许多重要的问题,如矩阵补全和盲反卷积,都是在这个框架下提出的。解决这些问题的一个重要的基准方法是最小化核范数,一个凸代理的秩。一个常见的方法来建立恢复保证这个凸计划依赖于一个所谓的近似对偶证书的建设。然而,这种方法在各个方面只提供了有限的见解。最突出的是,噪声边界表现出看似次优的维度因子。在本文中,我们采取了一种新的,更几何的观点来分析矩阵完成和盲反卷积的情况。我们发现,对于这两个应用程序中的噪声界的尺寸因素是不是一个工件的证明,但问题本质上是条件很差。然而,我们发现,坏的条件只会出现非常小的噪声水平:在温和的假设,包括许多现实的噪声水平,我们得出接近最佳的误差估计盲反卷积对抗性噪声。
2020-04-09 cs.IT cs.LG math.IT
Bayesian Cramér-Rao Bound for Noisy Non-Blind and Blind Compressed Sensing
本文讨论了使用压缩感知框架重建稀疏信号(在已知的完整基础上)的理论局限性。我们还将CS分为非盲和盲情况。然后,当测量矩阵元素为独立的零均值随机变量时,我们计算了估计稀疏系数的Bayesian Cramer-Rao界。仿真结果表明,当测量次数较少时,该下界与实际算法的性能之间存在较大差距。
2010-05-24 cs.IT math.IT
Blind pilot decontamination
提出并分析了一种改进大规模多天线系统信道估计的子空间投影方法。与功率控制切换一起,它可以减轻导频污染问题,而不需要在小区之间进行协调。所提出的方法是盲目的,在这个意义上,它不需要导频数据找到适当的子空间。它是基于大随机矩阵理论,预测大样本协方差矩阵的特征值谱可以渐近分解成不相交的块作为矩阵大小的增长。随机矩阵和自由概率理论被用来预测下,系统参数,这样的散装分解发生。仿真结果表明,该方法优于传统的线性信道估计,如果批量分离发生。
2014-02-18 cs.IT math.IT
On the robustness of noise-blind low-rank recovery from rank-one measurements
我们证明了新的结果著名的凸噪声盲优化配方的鲁棒性重建低秩矩阵欠定线性测量。我们的研究结果是适用于对称的秩一测量中使用的相位恢复问题的制定。我们得到这些结果,通过建立具有高概率的秩一测量算子定义的i.i.d.高斯向量表现出所谓的Schatten-1商性质,这对应于它们的核范数(Schatten-1)单位球的图像的内径的下界。我们补充我们的分析,通过数值实验比较噪声盲和噪声感知配方的解决方案。这些实验证实,噪声盲优化方法表现出相当的鲁棒性噪声感知配方。关键词:低秩矩阵恢复,相位恢复,商性质,噪声盲,鲁棒性,核范数最小化
2020-10-23 cs.IT math.IT
Blind Unwrapping of Modulo Reduced Gaussian Vectors: Recovering MSBs from LSBs
我们考虑从具有未知协方差矩阵的零均值多元高斯分布中恢复$n$ i.i.d样本的问题,从它们的模包裹测量,即,测量,其中对于某些$Δ>0$,每个坐标以$Δ$为模进行缩减。对于这种设置,这是由量化和模数转换的动机,我们开发了一个低复杂度的迭代解码算法。我们表明,如果一个基准知情的解码器,知道的协方差矩阵可以恢复每个样本具有小的错误概率,和$n$是足够大的,所提出的盲恢复算法的性能密切跟随的通知。我们补充的分析与数值结果表明,即使在非渐近条件下,该算法也表现良好。
2021-09-18 cs.IT eess.SP math.IT
Blind Deconvolution using Convex Programming
我们考虑恢复两个未知向量,$\boldsymbol{w}$和$\boldsymbol{x}$,长度为$L$从他们的循环卷积的问题。我们做了结构上的假设,即这两个向量是已知子空间的成员,一个具有维数$N$,另一个具有维数$K$。虽然观测到的卷积在$\boldsymbol{w}$和$\boldsymbol{x}$中都是非线性的,但在由它们的外积$\boldsymbol{w}\boldsymbol{x}^*$形成的秩-1矩阵中是线性的。这一观察使我们能够重铸的反卷积问题的低秩矩阵恢复问题的线性测量,其自然凸松弛是一个核范数最小化程序。我们证明了这种松弛的有效性,显示“通用”信号,该程序可以反卷积$\boldsymbol{w}$和$\boldsymbol{x}$正是当$N$和$K$的最大值几乎是$L$的顺序。也就是说,我们表明,如果$\boldsymbol{x}$是从随机子空间的尺寸$N$,$\boldsymbol{w}$是一个矢量在子空间的尺寸$K$的基础向量是“展开”在频域中,然后核范数最小化恢复$\boldsymbol{w}\boldsymbol{x}^*$没有错误。我们讨论这一结果的背景下,在通信中的盲信道估计。如果我们有一个长度为$N$的消息,我们使用随机$L\times N$编码矩阵对其进行编码,并且编码的消息通过最大长度为$K$的未知线性时不变信道传播,那么当$L\gtrsi…
2018-06-24 cs.IT math.IT
Blind Null-space Tracking for MIMO Underlay Cognitive Radio Networks
最近已经提出了盲零空间学习(BNSL),用于快速且准确地学习与次级发射器和初级接收器之间的信道矩阵相关联的零空间。在本文中,我们提出了一种信道跟踪增强的算法,即盲空间跟踪(BNST)算法,允许传输的信息的辅助接收机(SR),同时学习零空间的时变目标信道。具体地,增强的算法最初执行BNSL扫描以便获取零空间。然后,它执行修改的雅可比旋转,使得在同时向SR发送信息的同时,对主接收机的感应干扰以概率$p$保持低于给定阈值$P_{Th}$。我们目前的仿真结果表明,该方法具有严格的性能优于BNSL算法的信道具有独立的瑞利衰落与一个小的多普勒频率。
2012-03-30 cs.IT math.IT
An Information Maximization Based Blind Source Separation Approach for Dependent and Independent Sources
我们介绍了一种新的信息最大化(infomax)方法的盲声源分离问题。所提出的框架提供了一个信息理论的角度为行列式最大化为基础的结构化矩阵分解方法,如非负和多面体矩阵分解。为此,我们使用一种基于协方差的对数行列式的替代联合熵度量,我们称之为对数行列式(LD)熵。两个向量之间的对应(LD)互信息反映了它们的相关性水平。我们提出的infomax BSS标准作为最大化的LD-互信息之间的输入和输出的分离器的约束下,输出向量位于一个假定的域集。与ICA infomax方法相比,所提出的信息最大化方法可以分离依赖源和独立源。此外,我们可以提供一个有限的样本保证完美的分离条件,在无噪声的情况下。
2022-05-02 cs.IT eess.SP math.IT
Performance Analysis of the Matrix Pair Beamformer with Matrix Mismatch
矩阵对波束形成器(MPB)是一种盲波束形成器。它利用感兴趣的信号(SOI)的时间结构,并应用广义特征分解的协方差矩阵对。与其他盲算法不同,它只使用二阶统计量。在以前的工作中的一个关键假设是,这两个矩阵具有相同的干扰统计。然而,这种假设可能是无效的存在多径传播或某些“智能”干扰,我们称之为矩阵失配。分析了矩阵失配情况下MPB的性能。首先,我们提出一个涵盖现有计划的总体框架。然后,我们推导出其归一化输出SINR。结果表明,基质失配导致了由“导向矢量竞争”引起的阈值效应。其次,利用矩阵摄动理论,我们发现,如果存在无限大的广义特征值,阈值将无限增加的干扰功率。当有多个定期更新者时,这是非常可能的。最后,我们提出了模拟结果来验证我们的分析。
2011-06-04 cs.IT math.IT
Blind Deconvolution by a Steepest Descent Algorithm on a Quotient Manifold
在本文中,我们提出了一个解决盲反卷积问题的黎曼最速下降法。我们证明了该算法与适当的初始化将恢复精确的解决方案,具有很高的概率时,测量的数量,对数因子,信息理论的最小尺度。与[LLSW 16]相比,我们公式中的商结构在成本函数中产生了更简单的惩罚项,这简化了收敛分析并产生了自然的实现。经验上,所提出的算法具有更好的性能比Wirtinger梯度下降算法和交替最小化算法的意义上,i)它需要更少的操作,如DFT和矩阵向量乘法,以达到类似的精度,和ii)它具有更高的概率成功恢复在合成测试。图像去模糊问题也被用来证明所提出的算法的效率和有效性。
2018-04-14 cs.IT math.IT
Blind Adaptive Constrained Constant-Modulus Reduced-Rank Interference Suppression Algorithms Based on Interpolation, Switched Decimation and Filtering
本文提出了一种盲自适应降秩算法和约束恒模自适应算法,用于无线通信系统中的干扰抑制。所提出的方案和算法是基于一个两阶段的处理框架,该框架由一个变换矩阵进行降维,然后由降秩估计。现有方法的变换矩阵的复杂结构促使盲自适应降秩约束(BARC)方案的发展以及低复杂度的降秩分解。建议的BARC计划和降秩分解的基础上的概念,联合插值,切换抽取和降秩估计的约束条件下的一组详细。所提出的一组约束条件确保了在降维之前组合信道的多径分量。为了经济有效地设计BARC方案,我们开发了低复杂度的抽取技术,随机梯度和递归最小二乘降秩估计算法。设计了一种模型阶数选择算法,用于调整估计器的长度,以及用于确定所需的开关支路数量以达到预定义的性能的技术。对所提出的优化算法的收敛性和问题进行了分析,并讨论了优化问题的关键特征。我们考虑所提出的算法在DS-CDMA系统中的干扰抑制的应用。结果表明,所提出的算法优于最好的已知的降秩方案,而需要较低的复杂度。
2013-01-08 cs.IT math.IT
Fast Blind Recovery of Linear Block Codes over Noisy Channels
本文针对噪声信道下线性分组码奇偶校验矩阵的盲恢复问题,提出含三部分的快速恢复方案,可组合适配不同噪声场景,在恢复性能和计算复杂度上均优于现有基于Canteaut-Chabaud的算法。
2023-05-07 cs.IT math.IT
Blind Deconvolutional Phase Retrieval via Convex Programming
我们考虑的任务是恢复两个真正的或复杂的$m$ -矢量从无相位傅立叶测量其循环卷积。我们的方法是一种新的凸松弛,是基于一个提升矩阵恢复配方,允许一个非平凡的凸松弛的卷积的双线性测量。我们证明,如果这两个信号属于已知的随机子空间的尺寸$k$和$n$,那么它们可以恢复到固有的缩放模糊度与$m >> (k+n) \log^2 m$无相测量。我们的方法提供了第一个理论上的恢复保证这个问题的计算效率的算法,并不需要一个解决方案估计计算初始化。我们的证明基于Rademacher复杂性估计。此外,我们提供了一个ADMM实现的方法,并提供数值实验,验证理论。
2018-06-21 cs.IT math.IT
Fast and Provable Simultaneous Blind Super-Resolution and Demixing for Point Source Signals: Scaled Gradient Descent without Regularization
针对未知点扩散函数下点源信号的同时盲超分辨率与解混问题,提出无正则化缩放梯度下降法,证明其线性收敛性,实验显示其在精度和效率上媲美现有凸方法。
2024-07-13 cs.IT math.IT
Simultaneous Phase Retrieval and Blind Deconvolution via Convex Programming
我们考虑的任务是恢复两个真正的或复杂的$m$ -矢量从无相位傅立叶测量其循环卷积。我们的方法是一种新的凸松弛,是基于一个提升矩阵恢复配方,允许一个非平凡的凸松弛的卷积的双线性测量。我们证明,如果这两个信号属于已知的随机子空间的尺寸$k$和$n$,那么它们可以恢复到固有的缩放模糊度与$m \gg (k+n) \log^2 m$无相测量。我们的方法提供了第一个理论上的恢复保证这个问题的计算效率的算法,并不需要一个解决方案估计计算初始化。我们的证明是基于Rademacher复杂性估计。此外,我们提供了一个交替方向的乘法器(ADMM)的实现方法,并提供数值实验,验证理论。
2019-05-11 cs.IT math.IT
Semi-blind Channel Estimation and Data Detection for Multi-cell Massive MIMO Systems on Time-Varying Channels
研究了空间相关时变信道下多小区大规模MIMO系统上行链路的半盲信道估计和符号检测问题。提出了一种基于期望传播(EP)的算法,利用指数族分布迭代逼近未知信道矩阵和发送数据符号的联合后验分布。然后,该分布被用于信道矩阵的直接估计和数据符号的检测。流行的卡尔曼滤波算法被称为KF-M的修改版本出现从我们的EP推导,它是用来初始化的EP为基础的算法。卡尔曼平滑算法其次是KF-M的性能也进行了研究。仿真结果表明,基于KF-M、KS-M和EP的半盲算法的信道估计误差和符号出错率(SER)随着基站天线数和发送帧长度的增加而改善。结果表明,基于EP的算法在信道估计和符号检测方面明显优于KF-M和KS-M算法。最后,我们的研究结果表明,当应用于时变信道,这些算法优于块衰落信道模型开发的算法。
2020-11-18 cs.IT eess.SP math.IT
Simpler Gradient Methods for Blind Super-Resolution with Lower Iteration Complexity
本文研究盲超分辨率问题,提出两种无需额外正则化的梯度方法VGD-VHL和ScalGD-VHL,通过新颖分析证明其具有更低迭代复杂度,且ScalGD-VHL与条件数无关,实验显示其计算效率优越且恢复性能与现有方法相当。
2024-09-27 cs.IT math.IT
How robust is randomized blind deconvolution via nuclear norm minimization against adversarial noise?
Technical University of Munich(慕尼黑工业大学);Munich Center for Machine Learning(慕尼黑机器学习中心);Munich Data Science Institute(慕尼黑数据科学研究所);KU Eichstätt-Ingolstadt(艾希施泰特-英戈尔施塔特天主教大学)
本文研究了从两个未知信号的卷积中恢复两个未知信号的问题,即通常所说的盲反卷积。在过去的十年中,由于核范数最小化启发式的成功,盲反卷积作为一个低秩恢复问题的重新表述导致了多个理论恢复保证。特别是,在没有噪声的情况下,精确的恢复已经建立了足够的非相干信号包含在低维子空间。然而,如果卷积被加性有界噪声破坏,恢复问题的稳定性仍然不太清楚。特别是,现有的重建界涉及大的维度因子,因此无法解释核范数最小化的维度无关鲁棒性的经验证据。最近,理论上的证据已经出现了病态行为的低秩矩阵恢复足够小的噪声水平。在这项工作中,我们开发了改进的恢复保证盲反卷积与对抗性噪声表现出平方根缩放的噪声水平。因此,我们的研究结果与现有的反例是一致的,这些反例反对相关的低秩矩阵恢复问题所证明的噪声水平的线性缩放。
2023-03-17 cs.IT cs.LG eess.SP
Implicit Regularization in Nonconvex Statistical Estimation: Gradient Descent Converges Linearly for Phase Retrieval, Matrix Completion, and Blind Deconvolution
Princeton University(普林斯顿大学);Carnegie Mellon University(卡内基梅隆大学)
近年来,在设计可证明有效的非凸程序来解决统计估计问题方面出现了一系列的活动。由于经验损失的高度非凸性质,最先进的程序通常需要适当的正则化(例如修剪,正则化成本,投影),以保证快速收敛。然而,对于诸如梯度下降之类的常规过程,先验理论要么推荐高度保守的学习率以避免过冲,要么完全缺乏性能保证。本文揭示了非凸优化中一个引人注目的现象:即使在没有显式正则化的情况下,梯度下降也会在各种统计模型下隐式地执行适当的正则化。事实上,梯度下降遵循的轨迹停留在具有良好几何形状的盆地内,由与采样机制不一致的点组成。这种“隐式正则化”特性允许梯度下降以更积极的方式进行,而不会过冲,这反过来又导致大量的计算节省。聚焦于三个基本的统计估计问题,即相位恢复,低秩矩阵完成,和盲反卷积,我们建立了梯度下降实现接近最优的统计和计算保证,而无需显式正则化。特别是,通过将统计建模与通用优化理论相结合,我们开发了一个通用的配方,通过留一法扰动参数分析迭代算法的轨迹。作为一个副产品,嘈杂的矩阵完成,我们证明,梯度下降实现了接近最优的误差控制-测量entrywise和频谱范数-这可能是独立的利益。
2019-07-30 cs.IT cs.LG math.IT
Double-Sparsity Learning Based Channel-and-Signal Estimation in Massive MIMO with Generalized Spatial Modulation
在本文中,我们研究了联合天线活动检测,信道估计和多用户检测的大规模多输入多输出(MIMO)系统与一般空间调制(GSM)。本文首先考虑大规模MIMO信道的稀疏性和GSM系统的信号稀疏性,建立了一个双稀疏大规模MIMO模型。基于双稀疏模型,我们制定了盲检测问题。为了解决盲检测问题,我们提出了基于消息传递的盲信道和信号估计(BCSE)算法。BCSE算法基本上遵循仿射稀疏矩阵分解技术,但进行了关键修改以处理模型的双稀疏性。我们表明,BCSE算法显着优于现有的盲和基于训练的算法,并能够密切接近精灵的界限(与已知信道或已知信号)。在BCSE算法中,稀疏矩阵分解后,使用短导频来消除相位和排列模糊。为了更有效地利用短导频,我们进一步发展了半盲信道和信号估计(SBCSE)算法,将相位和排列模糊度的估计到迭代消息传递过程中。我们表明,SBCSE算法大大优于同行的算法,包括BCSE算法在短导频制度。
2019-10-25 cs.IT eess.SP math.IT
Joint Multichannel Deconvolution and Blind Source Separation
盲源分离(BSS)是一个具有挑战性的矩阵分解问题,在多通道成像科学中起着核心作用。在大量的应用中,如天体物理学,目前的解混方法是有限的,因为现实世界的混合物通常受到额外的仪器效应,如模糊。因此,BSS必须与反卷积问题联合求解,这需要解决一个新的逆问题:反卷积BSS(DBSS)。在这篇文章中,我们介绍了一种创新的DBSS方法,称为DecGMCA,基于稀疏信号建模和一个有效的替代投影最小二乘算法。数值结果表明,DecGMCA算法具有很好的仿真性能.它进一步强调了联合解决BSS和反卷积的重要性,而不是单独考虑这两个问题。此外,所提出的DecGMCA算法的性能表现在模拟的无线电干涉数据。
2017-05-14 cs.IT math.IT stat.AP
Next-Generation URLLC with Massive Devices: A Unified Semi-Blind Detection Framework for Sourced and Unsourced Random Access
本文提出了一个统一的半盲检测框架的源和无源随机接入(RA),使下一代超可靠的低延迟通信(URLLC)的大规模设备。具体地,有源设备以免授权方式发送其上行接入信号,以实现超低接入时延。同时,基站的目标是在严重的设备间干扰下实现超可靠的数据检测,而不利用显式信道状态信息(CSI)。我们首先提出了一种高效的发射机设计,其中将少量参考信息(RI)嵌入到接入信号中,以解决未知CSI引起的固有模糊性。在接收端,我们进一步开发了一种基于连续干扰消除的半盲检测方案,其中双线性广义近似消息传递算法用于联合信道和信号估计(JCSE),而嵌入式RI用于消除模糊。特别地,秩选择方法和RI辅助的初始化策略被纳入,以降低算法的计算复杂性和提高JCSE的可靠性,分别。此外,四个使能技术的集成,以满足严格的延迟和可靠性要求的大规模URLLC。数值结果表明,所提出的半盲检测框架提供了一个更好的可扩展性-延迟-可靠性权衡比国家的最先进的检测方案专用于源或无源RA。
2023-03-20 cs.IT eess.SP math.IT