Multi-target Detection with an Arbitrary Spacing Distribution.
Multi-target Detection with an Arbitrary Spacing Distribution.
复制标题
DOI：
10.1109/tsp.2020.2975943
复制
发表时间：
2020
期刊：
影响因子：
--
通讯作者：
Singer A
中科院分区：
文献类型：
--
作者：
Lan TY;Bendory T;Boumal N;Singer A
在单粒子冷冻电子显微镜的结构重建问题的启发下，我们考虑了多目标检测模型，其中目标信号的多个副本发生在未知的位置在一个长的测量，进一步破坏加性高斯噪声。在低噪声水平下，可以容易地检测信号发生并通过平均来估计信号。然而，在高噪声的存在下，这是本文的重点，检测是不可能的。在这里，我们提出了两种方法--自相关分析和近似期望最大化算法--来重建信号，而无需检测测量中的信号发生。特别是，我们的方法适用于任意间距分布的信号发生。我们证明了重建与合成数据和经验表明，这两种方法的样本复杂度尺度为SNR-3在低SNR制度。
Motivated by the structure reconstruction problem in single-particle cryo-electron microscopy, we consider the multi-target detection model, where multiple copies of a target signal occur at unknown locations in a long measurement, further corrupted by additive Gaussian noise. At low noise levels, one can easily detect the signal occurrences and estimate the signal by averaging. However, in the presence of high noise, which is the focus of this paper, detection is impossible. Here, we propose two approaches—autocorrelation analysis and an approximate expectation maximization algorithm—to reconstruct the signal without the need to detect signal occurrences in the measurement. In particular, our methods apply to an arbitrary spacing distribution of signal occurrences. We demonstrate reconstructions with synthetic data and empirically show that the sample complexity of both methods scales as SNR−3 in the low SNR regime.
登录
查看更多内容
影响因子：
1.2
作者：
Beinert, Robert;Plonka, Gerlind
通讯作者：
Plonka, Gerlind
DOI：
10.1006/meth.1999.0873
发表时间：
1999-11-01
期刊：
METHODS-A COMPANION TO METHODS IN ENZYMOLOGY
影响因子：
--
作者：
McNally, JG;Karpova, T;Conchello, JA
通讯作者：
Conchello, JA
影响因子：
6.2
作者：
Cho, Sunghyun;Lee, Seungyong
通讯作者：
Lee, Seungyong
影响因子：
6.1
作者：
HENDERSON, R
通讯作者：
HENDERSON, R
影响因子：
5.4
作者：
Aguerrebere, Cecilia;Delbracio, Mauricio;Sapiro, Guillermo
通讯作者：
Sapiro, Guillermo