改进A*OMP：基于新型动态成本模型的理论与实证分析
信息论
2016-11-26 v3 math.IT
摘要
最佳优先搜索最近被A*正交匹配追踪(A*OMP)算法用于压缩感知(CS)。本文中，我们专注于A*OMP的理论与实证分析。我们提出了基于受限等距性质(RIP)的A*OMP精确恢复稀疏信号的一般条件。此外，我们开发了在线保证，承诺使用基于残差的终止而非基于稀疏性的终止可提高恢复性能。我们通过使用自适应乘法(AMul)成本模型进行广泛的恢复模拟来展示A*OMP的恢复能力，该模型有效补偿了搜索树中的路径长度差异。所呈现的结果，包括不同非零元素分布的相变以及恢复率和平均误差，不仅揭示了A*OMP优越的恢复精度，还显示了基于残差的终止和AMul成本模型的改进。运行时间的比较表明AMul成本模型加速了搜索。我们还演示了OMP和A*OMP的混合以进一步加速搜索。最后，我们在稀疏图像上运行A*OMP以说明其在更现实系数分布下的恢复性能。
引用
@article{arxiv.1307.1770,
title = {Improving A*OMP: Theoretical and Empirical Analyses With a Novel Dynamic Cost Model},
author = {Nazim Burak Karahanoglu and Hakan Erdogan},
journal= {arXiv preprint arXiv:1307.1770},
year = {2016}
}