基于自適應(yīng)重啟的壓縮感知算法.pdf

1、自壓縮感知理論提出以來，其相關(guān)理論的研究及應(yīng)用在各個信息領(lǐng)域蓬勃發(fā)展。它試圖通過最少的測量，但是最終能獲得和原始信號差別不大的稀疏表示形式，從而在數(shù)據(jù)采集、存儲、傳輸上提供了更多便利，理論上改造了人們的生活。
　　本文將從壓縮感知的產(chǎn)生背景入手，接著介紹壓縮感知在各個領(lǐng)域的研究現(xiàn)狀。由于壓縮感知重構(gòu)算法及其改進(jìn)方法多且雜，本文根據(jù)各方法的基本原理對這些方法進(jìn)行整理，并針對每類方法介紹了比較典型的算法。最后對這些常用方法的計算復(fù)雜度

2、進(jìn)行了簡單比較。
　　作為壓縮感知的一種重要的重構(gòu)方法，NESTA算法復(fù)雜度遠(yuǎn)低于其他二階優(yōu)化算法，同時在一階算法中，其準(zhǔn)確度相對較高。除此以外，NESTA作為一種工具，被廣泛應(yīng)用于其他優(yōu)化問題當(dāng)中。
　　重啟算法的思想在解決平滑函數(shù)凸優(yōu)化問題方面具有得天獨厚的優(yōu)勢，特別是針對壓縮感知等這類稀疏最優(yōu)化問題。
　　受重啟算法的啟發(fā)，針對NESAT迭代收斂過程中的不足，本文提出了基于相對變化量的自適應(yīng)重啟的R-NESTA。