一种新的压缩感知算法：迭代重加权算子算法（IROA）
信息论
2009-03-31 v1 math.IT
摘要
压缩感知声称稀疏信号可以从比传统认为必要的少得多的测量中精确重构。确保压缩感知成功的问题之一是处理稀疏约束优化。迄今为止，已经发展了许多优秀的理论、算法和软件，例如所谓的贪心算法及其变体、稀疏贝叶斯算法、凸优化方法等。它们的公式由两项组成，其中一项是（，另一项是（，大多数情况下，由于凸函数的良好特性而采用p=1）（注：在不失一般性的情况下，其本身被假设为稀疏的）。需要注意的是，它们都通过第二项来指定稀疏约束。与它们不同，本文提出的公式由两项组成，其中一项带有（），另一项是。在每次迭代中，测量矩阵（线性算子）由前一次迭代中获得的所确定的进行重加权，因此所提出的方法被称为迭代重加权算子算法（IROA）。此外，为了节省计算时间，执行了另一种重加权操作；具体而言，对应于较小的的列已被排除。理论分析和数值模拟表明，所提出的方法优于已发表的算法。
引用
@article{arxiv.0903.4939,
title = {A Novel Algorithm for Compressive Sensing: Iteratively Reweighed Operator Algorithm (IROA)},
author = {Lianlin Li and Fang Li},
journal= {arXiv preprint arXiv:0903.4939},
year = {2009}
}