版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、在2006年,D.Donoho,E.Candès,J.Romberg及T.Tao提出了一種全新的信息獲取理論——壓縮傳感.低采樣率的優(yōu)點(diǎn)使得壓縮傳感理論一經(jīng)提出,便引起了學(xué)術(shù)界和工業(yè)界的廣泛關(guān)注,成為時(shí)下的一大研究熱點(diǎn).
由于稀疏信號(hào)非零元素的位置是未知的,因此要精確恢復(fù)出原始信號(hào)需要測(cè)量矩陣滿足很強(qiáng)的約束條件,如約束等距性質(zhì),零空間性質(zhì)和稀疏逼近性質(zhì)等等.最近,有學(xué)者研究了一類具有特殊稀疏結(jié)構(gòu)的稀疏信號(hào),稱之為塊稀疏信號(hào)
2、.它的非零元素會(huì)以塊或者簇出現(xiàn),而不是隨機(jī)地出現(xiàn)在任何位置.正因?yàn)檫@種特殊的稀疏結(jié)構(gòu),使得在測(cè)量矩陣滿足相對(duì)較弱的約束條件下,精確恢復(fù)出此類原始信號(hào)成為可能.特別地,文章[M.Stojnic,F(xiàn).Parvaresh and B.Hassibi,On thereconstruction of block-sparse signals with an optimal number of measurements, IEEETrans.Sig
3、nal Process.,57(2009),3075-3085]和[Y.C.Eldar and M.Mishali, Robustrecovery of signals from a structured union of subspaces, IEEE Trans.Inform.Theory,55(2009),5302-5316]分別提出了塊零空間性質(zhì)和塊約束等距性質(zhì)的概念,并且給出了它們基于混合l2/l1優(yōu)化算法下,能保證穩(wěn)定恢復(fù)出
4、塊稀疏信號(hào)的一些分析結(jié)果.
在本文中,提出一種更一般的混合lp/lq優(yōu)化模型,通過(guò)該優(yōu)化模型來(lái)研究塊稀疏信號(hào)的穩(wěn)定恢復(fù).引入了塊稀疏逼近性質(zhì)的全新概念,且證得測(cè)量矩陣滿足塊稀疏逼近性質(zhì)是保證塊稀疏信號(hào)穩(wěn)定恢復(fù)的一個(gè)合適的條件.之后,基于混合lp/lq優(yōu)化算法,分別研究了塊零空間性質(zhì)和塊約束等距性質(zhì),以及它們與塊稀疏逼近性質(zhì)之間的關(guān)系.證得當(dāng)測(cè)量矩陣具有塊稀疏逼近性質(zhì)時(shí),則它具有塊零空間性質(zhì);當(dāng)測(cè)量矩陣具有塊約束等距性質(zhì)且塊
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 塊稀疏信號(hào)重構(gòu)算法研究.pdf
- 稀疏信號(hào)恢復(fù)中的硬閾值算法研究.pdf
- 壓縮感知塊稀疏信號(hào)重構(gòu)算法研究.pdf
- 基于凸優(yōu)化的稀疏相位恢復(fù)算法研究.pdf
- 基于塊稀疏恢復(fù)的空時(shí)自適應(yīng)信號(hào)處理研究.pdf
- 盲稀疏源信號(hào)分離算法的恢復(fù)性研究.pdf
- 使用交替方向法的塊稀疏信號(hào)重構(gòu)算法.pdf
- 組合群試與稀疏信號(hào)恢復(fù).pdf
- 26444.稀疏信號(hào)的精確恢復(fù)條件
- 基于貝葉斯壓縮感知的塊狀稀疏信號(hào)恢復(fù)算法研究.pdf
- 快速稀疏恢復(fù)算法研究.pdf
- 基于相位恢復(fù)閾值算法與內(nèi)投影神經(jīng)網(wǎng)絡(luò)算法的稀疏信號(hào)重構(gòu).pdf
- 信號(hào)稀疏表示算法研究.pdf
- 含噪測(cè)量值下稀疏信號(hào)的重構(gòu)算法研究.pdf
- 基于壓縮感知的稀疏信號(hào)重構(gòu)算法優(yōu)化與實(shí)現(xiàn).pdf
- 緊框架表示下的稀疏恢復(fù).pdf
- 圖像稀疏恢復(fù)的特征表示算法研究.pdf
- 結(jié)構(gòu)振動(dòng)下采樣信號(hào)恢復(fù)算法研究.pdf
- 基于壓縮感知的塊稀疏信號(hào)重構(gòu)和圖像分塊采樣算法研究.pdf
- 基于凸優(yōu)化的壓縮感知信號(hào)恢復(fù)算法研究.pdf
評(píng)論
0/150
提交評(píng)論