elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Incremental Sparse Bayesian Learning for Parameter Estimation of Superimposed Signals

Shutin, Dmitriy und Wang, Wei und Jost, Thomas (2013) Incremental Sparse Bayesian Learning for Parameter Estimation of Superimposed Signals. In: 2015 International Conference on Sampling Theory and Applications, SampTA 2015. 10th International Conference on Sampling Theory and Applications, 2013-07-01 - 2013-07-05, Bremen, Deutschland.

[img] PDF - Nur DLR-intern zugänglich
184kB

Kurzfassung

This work discuses a novel algorithm for joint sparse estimation of superimposed signals and their parameters. The proposed method is based on two concepts: a variational Bayesian version of the incremental sparse Bayesian learning (SBL)- fast variational SBL - and a variational Bayesian approach for parameter estimation of superimposed signal models. Both schemes estimate the unknown parameters by minimizing the variational lower bound on model evidence; also, these optimizations are performed incrementally with respect to the parameters of a single component. It is demonstrated that these estimations can be naturally unified under the framework of variational Bayesian inference. It allows, on the one hand, for an adaptive dictionary design for FV-SBL schemes, and, on the other hand, for a fast superresolution approach for parameter estimation of superimposed signals. The experimental evidence collected with synthetic data as well as with estimation results for measured multipath channels demonstrate the effectiveness of the proposed algorithm.

elib-URL des Eintrags:https://elib.dlr.de/82752/
Dokumentart:Konferenzbeitrag (Vortrag)
Titel:Incremental Sparse Bayesian Learning for Parameter Estimation of Superimposed Signals
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Shutin, DmitriyDmitriy.Shutin (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Wang, WeiWei.Wang (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Jost, Thomasthomas.jost (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:2013
Erschienen in:2015 International Conference on Sampling Theory and Applications, SampTA 2015
Referierte Publikation:Ja
Open Access:Nein
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Nein
Status:veröffentlicht
Stichwörter:Multipath estimation, Sparse Bayesian learning
Veranstaltungstitel:10th International Conference on Sampling Theory and Applications
Veranstaltungsort:Bremen, Deutschland
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:1 Juli 2013
Veranstaltungsende:5 Juli 2013
Veranstalter :Jacobs University Bremen
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Luftfahrt
HGF - Programmthema:ATM und Flugbetrieb (alt)
DLR - Schwerpunkt:Luftfahrt
DLR - Forschungsgebiet:L AO - Luftverkehrsmanagement und Flugbetrieb
DLR - Teilgebiet (Projekt, Vorhaben):L - Kommunikation, Navigation und Überwachung (alt)
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Institut für Kommunikation und Navigation > Nachrichtensysteme
Hinterlegt von: Shutin, Dmitriy
Hinterlegt am:18 Sep 2013 09:45
Letzte Änderung:24 Apr 2024 19:49

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.