基于深度 Hankel 矩阵分解的指数信号重构
信号处理
2021-12-21 v4 生物物理
医学物理
摘要
指数是一种基本信号形式，如何快速获取该信号是信号处理中的基本问题与前沿之一。为实现此目标，可获取部分数据，但这会使其频谱（即指数的傅里叶变换）产生严重伪影。因此，在化学、生物学和医学成像等许多应用的快速采样中，高度期望可靠的频谱重构。本工作中，我们提出一种深度学习方法，其神经网络结构通过展开基于模型的先进指数重构方法（采用低秩 Hankel 矩阵分解）中的迭代过程而设计。通过在合成数据与真实生物磁共振信号上的实验，我们证明新方法的重构误差显著降低，且更好地保留了低强度信号。
引用
@article{arxiv.2007.06246,
title = {Exponential Signal Reconstruction with Deep Hankel Matrix Factorization},
author = {Yihui Huang and Jinkui Zhao and Zi Wang and Vladislav Orekhov and Di Guo and Xiaobo Qu},
journal= {arXiv preprint arXiv:2007.06246},
year = {2021}
}
备注
Accepted by IEEE Transactions on Neural Networks and Learning Systems in 2021