基于 $l_q$-最小化的相干紧框架压缩感知（$0<q\leq1$）
数值分析
2011-05-24 v2 信息论
math.IT
摘要
本文旨在当信号在紧框架下稀疏时，由欠采样数据重构信号。我们提出一个与紧框架的相干性无关的条件，以保证具有最小变换系数 -范数的欠采样数据能够精确重构在紧框架下稀疏的信号。这改进了文献[1]中的结果。此外，引入了 -最小化 方法。我们证明，在适当条件下，存在一个值 ，使得对于任意 ，-最小化的每个解都近似于真实信号。特别地，当紧框架为单位矩阵或正交基时，本文得到的所有结果均出现于文献[13]和[26]中。
引用
@article{arxiv.1105.3299,
title = {Compressed Sensing with coherent tight frames via $l_q$-minimization for $0<q\leq1$},
author = {Song Li and Junhong Lin},
journal= {arXiv preprint arXiv:1105.3299},
year = {2011}
}