交替最小化算法用于相位恢复
本文提出一种非凸公式的相位恢复方法，通过随机数迭代更新的规则精确地重建了信号的相位信息。此算法具有低计算复杂性并在计算和数据资源方面都非常有效。
Jul, 2014
本文研究了广义相位恢复问题，并证明了当测量向量为一组具有一般性质（即满足 i.i.d 复高斯分布）且测量数量充足时，自然的最小二乘优化方法能够找到目标信号的全局最小值，同时避免了漏解及假解。为了证实该算法的可行性，本文还提出并分析了一个二阶信任域算法。
Feb, 2016
本研究通过使用分离理论、混沌过程的最大值以及随机循环矩阵的受限等距特性，结合交替最小化方法，研究了通过随机自卷积信号来恢复具有给定内核的未知信号。通过谱初始化和广义梯度下降等方法，我们解决了测量算子中可能存在的依赖问题，并证明当观测次数足够大时，可以高概率地实现全局相移下的有效恢复。
Dec, 2017
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
本文基于生成先验提出了解决相位恢复的两种算法，通过分析高斯测量的样本复杂度证明了应用梯度下降算法的性能优于现有的生成先验算法，其中采用 AltMin 法处理非凸稀疏相位恢复问题。
Mar, 2019
本篇论文提出了一种新的相位恢复框架，利用深度生成神经网络建模自然信号，并通过优化经验风险目标来强制执行这个先验，该方法相较于稀疏基于的方法有两个优点：1）深度生成先验可以更紧密地表示自然信号，2）信息熵分析了样本复杂度。
Jul, 2018
通过对多面体上的优化方法，解决二次方程组的算法问题，分析了多面体的几何形态，提出了新的相位恢复算法 PhaseLamp，并通过数值模拟验证了其优异的表现。
May, 2018
本文提出了一种新的初始化过程，该过程基于找到适当矩阵的前两个特征向量，并表明具有这种方法下的重采样 EM 算法在自然假设前提下可以收敛到正确的向量，其样本复杂度几乎是最佳的。
Oct, 2013
该研究使用一种称为 PhaseCut 的可处理的松弛方法，将相位恢复问题作为复杂相位向量上的非凸二次规划问题，并使用类似于 MaxCut 半正定规划的连贯松弛方法进行求解。数值结果显示了与贪婪相位恢复算法和矩阵完成公式相比，该方法在三个不同的相位恢复问题上的性能。
Jun, 2012