关于SBL框架内未知系数方差做先验还是精度做先验

没有废话，需要基础。暂时不做解答！！！

zi服从GIG分布，如下。当ai=0，其退化成特殊的IG分布

通常我们在稀疏系数的先验选择为高斯先验。而在高斯先验中我们会让未知系数服从均值为0方差未知的高斯分布。也叫做student‘t分布。好像是这么叫的。

1、方差做先验。

这里由于方差做先验，假设未知系数是h吧，方差是r吧

此时有h~N(0,r),或者h~CN(0,r)

一般在SBL框架里我们让r服从一个gamma分布。gamma分布的形状参数a和尺度参数b

根据经验epsilon通常被设置为1而eta通常设置为1e-4或者为0.这里我们只讲解到2L先验，至于3L就是多加一层gamma分布来改变超参数b

因为这是方差，设计到一个贝塞尔近似的结果。3L基本没有作用。

假如r~Gamma（epsilon，eta）

b(r)正比于GIG分布，而GIG分布的均值计算方法同下

这里的前提就是x趋于0

如果我们在设置的时候让尺度参数b=0，此刻b（r）正比于IG分布（逆gamma分布）

而这个逆gamma分布居然能得到和GIG分布求解r均值近似的结果一样，这令我很惊讶。我就搞2L，还设置b=0，我直接用IG岂不美哉。

以下列出一个我写的例子

2.精度做先验

精度精度到底是什么，说白了就是方差倒数！h~N(0,r^-1) or h~CN(0,r^-1)精度做先验得到的结果依然会是gamma分布，因为gamma分布的均值十分好求，所以精度要计算的更明了。且变到3L也是可以照样适用的。

参考文献：

Babacan, S. Derin, Shinichi Nakajima, and Minh N. Do. "Bayesian group-sparse modeling and variational inference." IEEE transactions on signal processing 62.11 (2014): 2906-2921.