组稀疏信号去噪：非凸正则化，凸优化

带有促进稀疏性的凸正则化的凸优化是估计噪声中稀疏信号的标准方法。为了比凸正则化更强地促进稀疏性，采用非凸优化也是标准做法。在本文中，我们采取了第三种方法。我们利用一个非凸正则化项，其选择使得总代价函数（由数据一致性项和正则化项组成）是凸的。因此，稀疏性比标准凸公式得到更强的促进，同时又不牺牲凸优化的诱人方面（唯一最小值、鲁棒算法等）。我们利用这一思想改进了最近开发的用于组稀疏信号去噪的“重叠组收缩”（OGS）算法。该算法应用于语音增强问题，在信噪比和感知质量方面均取得了良好的结果。