用于含噪二值测量下稀疏信号恢复的鲁棒深度展开网络
机器学习
2020-10-16 v1 信号处理
摘要
我们提出一种称为 DeepFPC-ℓ₂ 的新型深度神经网络，用于求解 1-bit 压缩感知问题。该网络通过展开带单侧 ℓ₂ 范数（FPC-ℓ₂）的不动点延拓（FPC）算法的迭代而设计。DeepFPC-ℓ₂ 方法比传统 FPC-ℓ₂ 算法具有更高的信号重建精度与收敛速度。此外，针对不同信噪比（SNR）与符号翻转比（flip ratio）场景，我们将其对噪声的鲁棒性与先前提出的 DeepFPC 网络——源于展开 FPC-ℓ₁ 算法——进行比较。我们表明所提网络比先前的 DeepFPC 方法具有更好的抗噪性。该结果表明，深度展开神经网络的鲁棒性与其所源自算法的鲁棒性相关。
关键词
引用
@article{arxiv.2010.07564,
title = {A Robust Deep Unfolded Network for Sparse Signal Recovery from Noisy Binary Measurements},
author = {Y. Yang and P. Xiao and B. Liao and N. Deligiannis},
journal= {arXiv preprint arXiv:2010.07564},
year = {2020}
}
备注
5 pages, 5 figures, conference