带有先验信息的压缩感知：最优策略、几何与界

Joao F. C. Mota; Nikos Deligiannis; Miguel R. D. Rodrigues

带有先验信息的压缩感知：最优策略、几何与界

信息论 2014-08-25 v1 math.IT

作者: Joao F. C. Mota , Nikos Deligiannis , Miguel R. D. Rodrigues

摘要

我们探讨带有先验信息的压缩感知 (CS) 问题：借助已知的相似信号（即我们的先验信息）来重构目标 CS 信号。我们通过 $L_1$ - $L_1$ 和 $L_1$ - $L_2$ 最小化将关于相似信号的额外知识整合到 CS 中。随后，我们建立了这些问题成功重构原始信号所需的测量次数界。我们的界和几何解释表明，如果先验信息质量足够好， $L_1$ - $L_1$ 最小化能显著改善 CS 的性能。相比之下， $L_1$ - $L_2$ 最小化的性能与经典 CS 非常相似，并未带来显著益处。所有发现均通过实验结果进行了说明。

关键词

压缩感知先验信息 $L_1$-$L_1$ 最小化 $L_1$-$L_2$ 最小化信号重构测量界几何

引用

@article{arxiv.1408.5250,
  title  = {Compressed Sensing with Prior Information: Optimal Strategies, Geometry, and Bounds},
  author = {Joao F. C. Mota and Nikos Deligiannis and Miguel R. D. Rodrigues},
  journal= {arXiv preprint arXiv:1408.5250},
  year   = {2014}
}

备注

submitted to IEEE Transactions on Information Theory

带有先验信息的压缩感知：最优策略、几何与界

摘要

关键词

引用

备注

相关论文