DeepFPC: 用于量化测量下稀疏信号恢复的固定点延拓算法深度展开
机器学习
2019-12-05 v3 信号处理
机器学习
摘要
我们提出DeepFPC,一种通过展开单边l1范数固定点延拓算法(FPC-l1)的迭代而设计的新型深度神经网络,该算法已被提出用于求解1-bit压缩感知问题。网络架构类似于深度残差学习,并融入了关于信号结构(即稀疏性)的先验知识,从而在设计上提供了可解释性。一旦DeepFPC被恰当训练,便可从量化测量中快速且准确地恢复稀疏信号。所提模型在波达方向(DOA)估计任务中得到评估,并被证明优于最先进算法,即迭代FPC-l1算法与1-bit MUSIC方法。
引用
@article{arxiv.1912.00838,
title = {DeepFPC: Deep Unfolding of a Fixed-Point Continuation Algorithm for Sparse Signal Recovery from Quantized Measurements},
author = {Peng Xiao and Bin Liao and Nikos Deligiannis},
journal= {arXiv preprint arXiv:1912.00838},
year = {2019}
}