1-비트 압축 센싱을 위한 효율적인 알고리즘

노예림; 홍송남

doi:10.7840/kics.2022.47.9.1253

추천

검색

질문

자료유형: 학술저널

저자정보: 노예림 (한양대학교) 홍송남 (한양대학교)

저널정보: 한국통신학회 한국통신학회논문지 한국통신학회논문지 제47권 제9호

발행연도: 2022.9

수록면: 1,253 - 1,259 (7page)

DOI: 10.7840/kics.2022.47.9.1253

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본 논문에서는 같은 서포트를 가진 일련의 희소 신호가 해당 측정으로부터 동시에 복구되는 다중 측정 벡터(Multiple Measurement Vector, MMV)를 가진 압축 센싱(Compressive Sensing, CS) 문제를 고려한다. 이 문제에는 많은 실용적인 문제(예: 대규모 연결, 통신 효율 연합 학습 등에 대한 능동적인 사용자 탐지 등)가 형성되었다. 또한 통신 효율을 높이기 위해서는 다중 측정 벡터 프레임워크에서의 1-비트 압축 센싱에 대한 연구가 필요하다. 그러나, 베이지안 매칭 추구(Bayesian Matching Pursuit, BMP)와 같은 잘 알려진 1-비트 압축 센싱 알고리즘은 새로운 1-비트 다중 측정 문제에 적용되지 않는다. 이러한 문제에서 우리는 BMP 알고리즘의 확장으로 Turbo-BMP(Turbo-Bayesian Matching Pursuit)라는 새로운 알고리즘을 제안한다. 벤치마크 알고리즘으로써, M-BMP(Multiple Measurement Vector-Bayesian Matching Purrsuit)를 비교하여 시뮬레이션을 진행한다. 시뮬레이션 결과는 제안한 알고리즘인 Turbo-BMP의 우수성을 보여준다.

#압축 센싱 #베이지안 매칭 추구 #다중 측정 벡터 #터보 원리 #Compressed sensing #Bayesian matching pursuit #Multiple measurement vector #Turbo principle

참고문헌 (16)

참고문헌 신청

A. Zymnis, S. Boyd, and E. J. Cand`es, “Compressed sensing with quantized measurements,” IEEE Sig. Process. Lett., vol. 17, no. 2, pp. 149-152, Feb. 2010. (https://www.doi.org/10.1109/LSP.2009.2035667) L. Jacques, J. N. Laska, P. T. Boufounos, and R. G. Baraniuk, “Robust 1- bit compressive sensing via binary stable embeddings of sparse vectors,” IEEE Trans. Inf. Theory., vol. 59, no. 4, pp. 2082-2102, Apr. 2013. (https://www.doi.org/10.1109/TIT.2012.2234823) M. Yan, Y. Yang, and S. Osher, “Robust 1-bit compressive sensing using adaptive outlier pursuit,” IEEE Trans. Sig. Process., vol. 60, no. 7, pp. 3868-3875, Jul. 2012. (https://www.doi.org/10.1109/TSP.2012.2193397) H. M. Shi, M. Case, X. Gu, S. Tu, and D. Needell, “Methods for quantized compressed sensing,” in Proc. IEEE Inf. Theory Appl. Wkshp., pp. 1-9, La Jolla, CA, USA, Jan. 2016. (https://www.doi.org/10.1109/ITA.2016.7888203) Y. Nam and N. Lee, “Bayesian matching pursuit: A finite-alphabet sparse signal recovery algorithm for quantized compressive sensing,” IEEE Sig. Process. Lett., vol. 26, no. 9, pp. 1285-1289, Sep. 2019. (https://www.doi.org/10.1109/LSP.2019.2927848)

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

노예림

소속기관 한양대학교

주요연구분야 공학 > 전기전자공학 > 정보통신공학

논문수 7 이용수 166

홍송남

소속기관 한양대학교

주요연구분야 공학 > 전기전자공학 > 정보통신공학

논문수 43 이용수 1,261

이 논문과 함께 이용한 논문

Evaluation of Image Quality of Compressed Sensing Magnetic Resonance Images

Seong Ho Kim , Jung Eun Oh , Soon Yong Kwon 외 6명 Journal of Magnetics 2022 .12

Data Reconstruction Method for CD Basis Weight Analysis of Paper by using Compressed Sensing Technology

Wen-juan Shan , Wei Tang , Yunzhu Shen 펄프·종이기술 2021 .10

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2022-567-001699570

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (16)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)