本文提出了一种鲁棒且高效的压缩相位恢复方法，通过收集稀疏向量的多个线性测量值的幅值，利用约束感知向量和两阶段重建方法来重构目标信号，在随机不连贯子空间中选择感知向量后，通过低秩恢复阶段和稀疏恢复阶段的策略来准确地估算目标信号，该算法的测量数级别达到 O (k log (d/k))，在数值模拟中得到了验证。

Jul, 2015

文章研究了利用 SFFT 算法去恢复信号在功率谱上的密度，此算法可以有效恢复高于 o (sqrt (n)) 的稀疏信号，并通过实验证明，其相比已有的波凸算法有着更出色的性能。

Mar, 2013

研究压缩感知的一般框架，提出了一种非线性测量的自然推广方法，并证明了通过这些测量可以有效地计算和恢复稀疏信号。提出了三种算法，其中包括一种称为广义 OLS 的贪心算法，以及两种硬和软阈值迭代算法的自然推广方法，并证明了这些算法对于基于 Lipschitz 扰动的 RIP 矩阵的非线性测量具有强的恢复保证。

Nov, 2013

本研究提出了一种灵活的凸松弛算法，用于解决相位恢复问题，该算法在信号的自然域中运行，通过简单的凸程序，通过对称 “平板” 所代表的不等式约束来对相位量测进行松弛，找到最佳与给定锚向量对齐的交点极值，通过几何条件来证明算法的成功，证明在最优样本复杂度下几何证书的成功概率高，数值实验表明该方法可以解决编码衍射测量下的相位恢复问题。

Oct, 2016

利用随机取样的向量进行半定规划中的痕范数最小化，证明了可以通过凸编程技术解决组合相位恢复问题，且该方法对加性噪声具有鲁棒性。

Sep, 2011

本文通过随机线性测量得到的 O (s log^2 (n/s)) 个标志位，利用线性规划，从稀疏向量中精确恢复出 s-sparse 向量 x，进而将结果推广到了近似稀疏的向量 x。文章以解决随机超平面填充的等效几何问题为基础，并且该方法几乎是最优解。

Sep, 2011

本文研究了压缩相位恢复问题，提出了利用生成先验知识的算法可以在具有挑战性的非线性反问题中实现优化的样本复杂度，并可以比稀疏性先验知识暴露更少的测量噪声。

Aug, 2020

本文研究了压缩感知问题，提出了一种基于二阶锥的优化方法，该方法在证明一定正则参数条件下与基础凸优化问题等价的前提下，求解具有优良效果的稀疏向量，该方法相较于当前最优方法具有更高的稀疏性和更低的重构误差

Jun, 2023

本文研究了在非线性观测条件下压缩感知信号恢复问题，提出了一种基于迭代硬阈值算法的解决方法，并在类似线性方法的条件下表明该算法能够准确恢复稀疏或结构化信号。同时，本文也展示了在稀疏和子空间并集约束下，如何在一般非线性优化框架下进行相关研究。

May, 2012

本研究探讨如何从缺乏符号或相位信息的 m 线性测量中恢复 n 向量；我们说明，当 m = O (nlogn) 时，仅通过 lifting 和半定松弛就足以稳定地恢复具有高概率的随机感应矢量设置。这种恢复方法在 PhaseLift 中的迹最小化是不必要的，因此减少了优化的数量。这种非优化的视角允许使用 Douglas-Rachford 数值算法，这对于 PhaseLift 是不可用的；该方法表现出良好的收敛速度和无需参数调整的线性收敛。

Aug, 2012