基于广义弹性网先验的近似消息传递压缩感知重构
信息论
2015-02-19 v4 math.IT
摘要
本文研究了具有广义弹性网先验（GENP）的压缩感知重构问题，其中稀疏信号通过噪声欠定线性观测系统进行采样，并且在重构过程中可获得信号的额外初始估计（即 GENP）。我们首先将 GENP 纳入 LASSO 和近似消息传递（AMP）框架中，分别记为 GENP-LASSO 和 GENP-AMP。随后，我们研究了 GENP-AMP 的参数选择、状态演化和噪声敏感性分析。我们表明，得益于 GENP，所提出的框架中不存在相变边界，即重构误差在整个平面上是有界的。该误差也小于标准 AMP 和标量去噪的误差。我们还开发了一种实用的无参数版本 GENP-AMP，其无需知晓未知信号的稀疏度和 GENP 的方差。仿真结果验证了所提出方案的有效性。
引用
@article{arxiv.1311.0576,
title = {Approximate Message Passing-based Compressed Sensing Reconstruction with Generalized Elastic Net Prior},
author = {Xing Wang and Jie Liang},
journal= {arXiv preprint arXiv:1311.0576},
year = {2015}
}
备注
32 pages, 3 figures and 4 tables