低秩相位恢复
本文研究了低秩相位恢复问题，提出了一种基于 AltMin 算法的解决方案，并给出了理论保证。此方法能有效地实现低成本、高速的相位动态成像，对生物样本的傅里叶 ptychographic 成像具有重要应用价值。
Feb, 2019
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
本研究旨在探究相位恢复系统中采用随机正交向量矩阵的谱方法启动的局部搜索算法。我们在渐进的情况下，获得了谱估计器和真实信号向量之间的最大重叠程度的简单表达式。
Mar, 2019
本文介绍了一种高效且具有强大泛化能力的大规模相位恢复技术，其使用交替投影算法和增强的神经网络分别处理测量和统计优化问题，有效地弥补了各个操作符的缺点，并在计算成本较低的前提下实现了大规模相位恢复，被应用于计算相位成像中的各种模态并验证了其优越性。
Apr, 2021
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
本文研究了通过核范数最小化从采样测量中恢复 Hermite 低秩矩阵的问题，其中测量是 Frobenius 内积形式的随机秩一矩阵，我们导出了确保成功恢复矩阵所需的测量数的界限，同时证明了测量扰动的鲁棒性和近似 4 - 设计对相位恢复的一般性限制。
Oct, 2014
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