Jun, 2014

用贝叶斯方法对一位压缩感知进行信号重建

PDF
TL;DR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。
1-bit compressed sensingbayesian approachsignal reconstructionstatistical mechanicsbelief propagation
发现论文，激发创造
  • 基于统计力学的 1 比特压缩感知

    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

  • 基于统计物理的压缩感知重建

    本文介绍了一种基于概率重构方法、信令传递算法、及结晶成核理论的、能够精确重构低采样率稀疏信号的压缩感知算法，并使用统计物理方法进行了分析和实验验证。

    Sep, 2011

  • 非高斯测量的一位压缩感知

    本研究通过使用次高斯分布的单比特测量，结合凸程序解决方案，可以精确地重建几乎稀疏的信号。

    Aug, 2012

  • 有限值信号的压缩感知

    本文提出了一种在基 Pursuit 中包含离散值先验的方法，特别是针对具有条目在 {0,1} 中的单极二进制和具有条目在 {-1,0,1} 中的双极三进制稀疏信号，其中相位转换比使用经典基 Pursuit 方法更早发生。

    Sep, 2016

  • 线性规划下的一比特压缩感知

    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

  • 带规范估计的一比特压缩感知

    在本文中，我们探讨了量化线性测量的恢复问题，提出使用量化仿射测量可更好地保留信号的范数信息，并在一定条件下更容易实现稀疏信号的恢复，并可以在已知半径的欧几里得球内成功地估计所有这些稀疏向量的范数。

    Apr, 2014

  • 具有生成 先验的 1 位压缩感知和二进制稳定嵌入的样本复杂度界限

    该研究利用生成模型替代稀疏性假设，研究带生成模型的 1 位压缩感知问题。在此基础上结合高斯测量和具有 Lipschitz 连续生成先验的近似恢复，应用于神经网络生成模型，并与基于稀疏性的方法进行了比较，证实了其有效性。

    Feb, 2020

  • 通用单比特压缩感知的改进界限

    本研究旨在展示如何在一位压缩感知框架中恢复稀疏高维向量的支持度以及改进约束在以一位压缩感知测量中从向量中近似恢复的测量数。我们的结果是通用的，即同样的测量方案可同时适用于所有稀疏向量，并且支持度恢复的最优性是通过证明一个使用 1 位压缩感知的 Union Free Families 组合对象实现的。

    May, 2017

  • 基于置信传播的贝叶斯压缩感知

    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

  • 压缩感知中的概率重构：算法、相图和阈值实现矩阵

    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