本论文详细介绍了一种新型的压缩感知策略,使用概率方法进行信号重建和最大化信号模型参数,并探讨了不同信号分布的相应相图的渐近分析及最佳重建性能。
Jun, 2012
本文采用统计力学方法分析了基于 L1 范数的信号恢复方案在 1 比特压缩感知中的应用,发现该方案通常具有许多相似恢复准确度的局部最优解,并提出了借鉴空洞方法的近似恢复算法。数值实验表明,在非零元素密度相对较大的情况下,所提出的算法比已有方案具有更好的性能和更低的计算成本。
Jan, 2013
本文提出了一种基于模型的压缩感知理论,提供了如何创建具有可证明性能保证的基于模型的恢复算法的具体指南,其中包括引入一类新的结构压缩信号以及一个新的充分条件来描述其恢复性能,命名为有限放大性质,这对应于传统压缩感知限制等比性的自然扩展。实验结果表明了这一新理论和算法的有效性和适用性。
Aug, 2008
本文提出了一种贝叶斯方法来解决 1 比特压缩感知问题的信号重建,并使用统计力学分析了其性能。其中,利用信念传播算法进行信号重建的数值实验结果与理论分析结果一致。
Jun, 2014
本文论述了在压缩感知中利用信号和测量结构进行体现的主题,并将理论与实践相结合,介绍了新的方向及与传统压缩感知的关系。
Jun, 2011
本文研究了压缩感知在天文数据压缩中的应用,并介绍了压缩感知理论的概述及其可用于实时应用,同时指出了压缩感知用于数据融合的多个观测的优点,提供了解决 ESA 发送 Herschel 航天器上数据的问题的有效方式。
Feb, 2008
介绍压缩感知的基本概念和应用,并总结了目前的研究现状。
Mar, 2012
本篇论文介绍了通过使用置信传播算法作为压缩感知的一种近似贝叶斯推断方法,使得压缩感知的编码矩阵可以表示为图形模型,并且通过使用稀疏编码矩阵来降低图形模型的大小来实现快速计算。该算法的复杂度为 O (Klog (N)) 和 O (Nlog^2 (N)), 而且在信号为混合高斯模型时表现出色。
Dec, 2008
本研究提出了基于统计压缩感知(SCS)的压缩感知(CS)新框架,探索了基于高斯模型的 SCS,对单高斯模型下的信号进行了深入探究,并介绍了用于 GMM 型的信号模型选择、解码的分段线性估算器,提出了最大后验期望最大化算法用于 GMM 型 - SCS 的解码过程。结果表明,与传统 CS 相比,GMM 型 - SCS 在图像感知应用中具有更低的计算成本且具有更好的结果。
Jan, 2011
本文提出了一种结合压缩感知(CS)和神经网络生成器的新型框架,通过元学习联合训练生成器和优化过程,大大改善了信号恢复的速度和性能,并针对不同目标训练测量并从 CS 视角提出提高生成对抗网络(GANs)的新方法。
May, 2019