1.变分贝叶斯推理下信号自适应聚类和智能重构方法，该方法采用的信号模型为：
Yf＝AfXf+Nf,f＝1，2…F
其中，Yf为M×1维压缩信号，Xf为N×1维的稀疏信号，M＜＜N，其稀疏度为s且s＜＜N，即Xf中只有s个元素非零，其余元素全部为0，测量矩阵 由 构成，噪声Nf用M×1维高斯信号表示；
其特征在于，包括以下步骤：
S1、设定F个任务信号稀疏支持的迭代误差ε和最大迭代次数N_iter；
S2、给定初始值：
信号X的行矢量Xf中的每个元素都由均值为0，方差为 的复高斯分布随机生成；测量矩阵 由 构成， 服从[0,2π)的随机独立均匀分布，噪声 中每
个元素都服从均值为0，方差为β的复高斯分布,β服从Gamma分布β～Gamma(a,b)；
S3、通过变分贝叶斯推理得到各参数的更新公式：
S31、由变分贝叶斯推理得到信号Xf后验概率的方差 和均值uf的更新公式如下：
其中， 表示Af的共轭转置，diag表示对矢量 对角化；
S32、由变分贝叶斯推理得到 服从参数为 的Gamma分布，更新公式如下：
其中，Ψ(·)表示digamma函数；
S33、由变分贝叶斯推理得到αf服从参数为 的Gamma分布，更新公式如下：
S34、噪声β服从参数为 的Gamma分布，更新公式如下：
S35、由变分贝叶斯推理得到中间量ρf的更新，更新公式如下：
S36、由变分贝叶斯推理得到πk服从参数为τ1,k、τ2,k的Beta分布，更新公式如下：
S361、k＝1,2…K-1时：
k＝K时，q(πK＝1)＝1，lnq(πK)＝0；
S362、通过步骤S361得到：
S37、由变分贝叶斯推理得到γ服从参数为 的Gamma分布，更新公式如下：
S38、由变分贝叶斯推理得到参数φf,k的更新，更新公式如下：
其中，
S4、循环步骤S3，直到满足误差ε或最大迭代次数N_iter；此时在已知观测值Y的条件下，信号X的后验分布的均值和方差将收敛于一个稳定的值；根据最大后验准则，将X的后验分布的均值作为信号X的估计值。