Low-complexity Graph Sampling With Noise and Signal Reconstruction via Neumann Series

Graph sampling addresses the problem of selecting a node subset in a graph to collect samples, so that a K-bandlimited signal can be reconstructed with high fidelity. Assuming an independent and identically distributed (i.i.d.) noise model, minimizing the expected mean square error (MMSE) leads to t...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	IEEE transactions on signal processing Ročník 67; číslo 21; s. 5511 - 5526
Hlavní autoři:	Wang, Fen, Cheung, Gene, Wang, Yongchao
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	New York IEEE 01.11.2019 The Institute of Electrical and Electronics Engineers, Inc. (IEEE)
Témata:	Approximation Complexity theory Covariance matrices Fourier transforms Graph signal processing Inversions Laplace equations Matrix decomposition matrix inversion Neumann series theorem Noise Optimality criteria Optimization Robustness (mathematics) Sampling Sampling methods Signal reconstruction Strategy
ISSN:	1053-587X, 1941-0476
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!