讀焦李成壓縮感知回顧與展望有感(編輯修改稿)
2025-10-01 03:47 本頁面
【文章內(nèi)容簡介】 .換言之，在滿足上述要求的情況下，通過求解一個非線性 優(yōu)化問題就能從觀測y、觀測矩陣。和字典矩陣。： ： 。下的稀疏性或可壓縮性，即信號需要在變換空間下的展開系數(shù)足夠的稀疏。 。所確定的cs信息算子acs，需要滿足任意2k列都是線性無 ，就可以通過求解如下問題：獲得一個唯一確定的解，即稀疏系數(shù)向量。，將它與字典。相乘，就可以得到信號x. 這是一個nphard的非凸優(yōu)化問題，此問題的求解方法兩類：以匹配追蹤 （matchingpursuit，mp）和正交匹配追蹤（orthogonalmatchingpursuit，omp）為代表的貪婪算法，以及迭代閾值收縮為代表的門限算法. 貪婪算法存在的問題是時間代價過高，無法保證收斂到全局最優(yōu)。而門限算法雖然時間代價低，但對數(shù)據(jù)噪聲十分敏感，解不具有連續(xù)性，且不能保證收斂到全局極小. ： 這就將式非凸優(yōu)化問題變成了一個凸優(yōu)化問題，可以方便地轉(zhuǎn)化為線性規(guī)劃問題求解，因此稱之為凸化的壓縮感知框架。 cs理論提出之初，（restrictedisometryproperty
畢業(yè)設(shè)計(jì)相關(guān)推薦
鄂ICP備17016276號-1