sparse signal | BriefGPT - AI 论文速递

关键词sparse signal

搜索结果 - 9

运营支持估算网络
本篇论文介绍了一种新颖的方法 —— 运行支持估计网络（OSENs）来实现支持估计任务，该方法可以学习复杂的非线性关系，用于从压缩感知测量中估计支持和优化算法重建图像。
PDFa year ago
最优稀疏恢复的隐式正则化
本文探讨了应用于无惩罚最小二乘回归问题的梯度下降方法的隐式正则化方案，旨在从线性测量的过少的系统中重构出一个稀疏信号，考虑到受限等距假设，我们展示了有一定参数下，预设好的初始化、步长和停机时间能给出一个在统计和计算上都是优的算法，可以在费用
PDF5 years ago
阻止对抗样本：$L_0$- 鲁棒稀疏傅里叶变换
本文提供了一种新的算法，用于逼近离散傅里叶变换的近似稀疏信号，该信号被最坏情况下的 $L_0$ 噪声污染，即信号的一定数量的坐标被任意破坏。我们的技术推广到了各种线性变换，如离散余弦变换、正弦变换、Hadamard 变换及其高维模拟。我们利
PDF6 years ago
截断振幅流稀疏相位恢复
本文提出了 SPARTA 算法，通过幅值测量重建稀疏信号，结合分析和梯度迭代两个阶段，可达到较高的精度和速度，并且对于有界支持的加性噪声有一定的鲁棒性。
PDF8 years ago
正交匹配追踪精确支持恢复的严格条件
本文研究了通过正交匹配追踪 (OMP) 从嘈杂观测中恢复稀疏信号，证明了当任何大小为 K 的稀疏信号满足受限等距性属性 (RIP) 时，OMP 可以从噪声观测中 K 次迭代恢复信号的支撑，同时提出了严格的最小幅度约束条件。
PDF9 years ago
自适应感知的基本极限
研究了基于线性测量和自适应策略下的信号恢复问题，证明了即使采用自适应和复杂的估计算法，也无法显著提高恢复速度。
PDF13 years ago
Modified-CS: 修改压缩感知用于部分已知支持的问题
本研究考虑利用已知部分的支持的信息来重构稀疏信号，提出了一种基于凸松弛的算法来获得除部分支持已知的信号外最稀疏的信号，以及基于先前信号估计知识的重构方法，并进行了模拟比较。
PDF15 years ago
压缩采样中的稀疏性和不相关性
通过仅有的少数线性测量，使用稀疏信号和正交矩阵 U，应用 ell_1 最小化可以恢复信号 x^0，前提是测量次数超过指定阈值，并且实验表明其几乎是最优的。
PDF18 years ago
通过凸松弛：傅里叶和高斯测量的稀疏重建
研究如何通过几个稀疏信号线性测量（与一些固定向量的内积）的结果精确重构出稀疏的信号，并考虑了两种测量方法：高斯测量和傅里叶测量。通过几何函数分析和 Banach 空间中的随机性证明了这两种方法的最佳测量数量。
PDF18 years ago