用于无线射频感知的迭代重加权 ADMM 深度展开
信号处理
2022-04-18 v3 计算机视觉与模式识别
信息论
机器学习
math.IT
机器学习
摘要
我们研究利用基于压缩感知的多输入多输出（MIMO）无线雷达检测位于层状材料结构内部的材料缺陷。此处，层状结构表面反射所致的强杂波常使缺陷检测困难。因此，需要精细的信号分离方法以改善缺陷检测。在许多场景中，我们关注的缺陷数量有限，且层状结构的信号响应可建模为低秩结构。为此，我们提出联合秩与稀疏性最小化用于缺陷检测。具体而言，我们提出一种基于迭代重加权核范数与 范数（双重重加权方法）的非凸方法，以相较传统的核范数与 范数最小化获得更高精度。为此，设计了一种迭代算法来估计低秩与稀疏分量。进一步，我们提出利用深度学习学习该算法的参数（即算法展开，algorithm unfolding），以提升算法的精度与收敛速度。数值结果表明，所提方法在恢复低秩与稀疏分量的均方误差及收敛速度方面均优于传统方法。
引用
@article{arxiv.2106.03686,
title = {Deep Unfolding of Iteratively Reweighted ADMM for Wireless RF Sensing},
author = {Udaya S. K. P. Miriya Thanthrige and Peter Jung and Aydin Sezgin},
journal= {arXiv preprint arXiv:2106.03686},
year = {2022}
}