中文

基于最优对偶 $\ell_1$-analysis 的一般框架压缩感知

信息论 2015-03-19 v3 math.IT

摘要

与正交基相比,具有稀疏框架表示的压缩感知被认为具有更广泛的实际应用范围。在此类设定下,一种恢复信号的方法被称为 1\ell_1-analysis。本文通过提供比现有文献更弱的恢复条件,扩展了该方法的性能分析。我们的分析也广泛基于一般框架和替代对偶框架(作为分析算子)。作为这种基于一般对偶的方法及其性能分析的一个应用,提出了一种基于最优对偶的技术,以展示使用替代对偶框架作为分析算子的有效性。概述了一种用于求解基于最优对偶的 1\ell_1-analysis 问题的迭代算法。通过若干实验展示了所提方法和算法的有效性。

关键词

引用

@article{arxiv.1111.4345,
  title  = {Compressed Sensing with General Frames via Optimal-dual-based $\ell_1$-analysis},
  author = {Yulong Liu and Tiebin Mi and Shidong Li},
  journal= {arXiv preprint arXiv:1111.4345},
  year   = {2015}
}

备注

34 pages, 8 figures. To appear in IEEE Transactions on Information Theory