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

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

本文中研究了具有一般输入集的真实相位恢复问题的稳定性和唯一性，并提出了在噪声情况下如何通过计算复杂度参数来找到最优的恢复解。

Nov, 2012

文中介绍了相位恢复、谱方法、弱恢复、经验协方差矩阵和广义线性模型等方面的内容，并给出了大维极限下的阈值和矩阵的谱性质的尖锐刻画

Aug, 2017

本研究考虑通过傅里叶变换或其他线性变换结果的幅度来恢复信号的相位信息，从而实现信号恢复。通过使用稀疏信号的先验信息，我们提出了一种名为 GESPAR 的快速局部搜索方法来恢复稀疏信号。相比于以前的方法，我们的算法不需要矩阵提升，因此适用于大规模问题。通过模拟实验，我们证明 GESPAR 在各种情况下都比现有技术更快更准确。

Jan, 2013

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

本文研究从相位不完整的短时傅里叶变换 (STFT) 测量中恢复信号的问题，其中当使用最小二乘问题的解来构造一个矩阵的主特征向量作为初始值，该问题可以由两种基于非凸优化的本地优化算法解决，其中第一种算法是基于最小化经验风险损失函数，第二种算法是基于最大化相位流形上的二次函数，这两种梯度算法均可以对信号进行收敛，并且对噪声具有抗干扰性。

Jul, 2016

本研究提出了一种基于广义近似消息传递算法 (GAMP) 的新型压缩相位恢复方法 (PR-GAMP)，并通过实验表明，该算法在减少测量数量、回收信号、抗噪声和运行时间等方面表现出了优越性。

May, 2014

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