利用 Noiselet 编码的多通道压缩感知 MRI
研究了在估计稀疏或可压缩信号时,使用某些随机矩阵构造、添加均匀随机向量或随机噪声来量化信号,可以使信号重建误差降低。并分别在多种情境下进行数值验证。
Jan, 2018
本文提出了一种名为 MOSAIC 的新型压缩感知框架,采用随机选取的压缩测量值,学习测量范围内的单次通用反演映射,结合了嵌入技术以及注意力机制,避免使用深度网络,并在标准数据集上实现了重建精度的最新进展。
Jun, 2023
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
提出了一种结合数值求解器和数据驱动架构的新型压缩感知磁共振成像 (CS-MRI) 方法,有效解决了现有算法中的深度学习收敛问题和鲁棒性问题,并明确了 MRI 过程中的 Rician 噪声分布,取得了更高的重建准确性和鲁棒性。
Nov, 2018
本文研究了基于有限字母表编码的测量压缩和数据压缩的压缩感知框架,在高信噪比和低信噪比两种情况下,通过测量位数和每个测量数据的位数之间的权衡来实现稳定重建,并发现在许多实际应用中,以低信噪比进行量化压缩 (obtained more measurements with fewer bits per measurement) 通常更好。
Oct, 2011
本研究旨在解决无线传感器网络中观测稀疏信号在通道衰落条件下的恢复问题,采用稀疏随机矩阵降低信息转发中的通信成本,并通过分析重尾随机矩阵的特性,量化在非同一高斯信道存在的情况下确保可靠信号恢复所需的附加测量次数。研究结果提供了关于如何控制每个节点的传感器传输概率以最小化收集到融合中心的测量次数的见解,并讨论了任意随机投影矩阵中给定的子指数范数下给定稀疏信号的恢复保证。
Apr, 2015
通过自行开发的压缩感知单元,我们扩展了现有的照片声投影成像系统,实现了特定测量在 16 个线性探测器组中的 CS-PAPI 系统,并且证实了其稀疏恢复能力,数值实验支持了我们的结果。
Feb, 2024
本研究介绍了一种压缩感知的简单且通用的理论,其传感机制会从概率分布 F 中独立随机选择感知向量,而且不需要约束等距性或随机信号模型即可从噪音测量的最小数量中忠实地恢复出近似稀疏信号。
Nov, 2010
该论文研究了利用压缩感知技术来减少模数转换器的采样率,着重探讨了只捕捉信号符号的 1 比特压缩感知技术,提出了能在噪声较小及容易受干扰的情况下实现逆向恢复的二进制 ε- 稳定嵌入特性,并引入了适用于 1 比特采样的算法 —— 二进制迭代硬阈值算法,提高了采样性能。
Apr, 2011