基于新累积得分函数的 L1 最小化稀疏度界
统计理论
2014-10-10 v1 统计理论
摘要
本文讨论压缩感知中的一个基本问题：任意感知矩阵下 L1 最小化的稀疏可恢复性。我们开发了一种新的累积得分函数 (ASF)，以在保持低计算复杂度的同时，为感知矩阵的可恢复稀疏度 (SL) 提供一个下界。我们首先为矩阵的每一行定义一个得分函数，然后 ASF 将较大的得分累加，直到总得分达到 0.5。有趣的是，累加中涉及的行数是 SL 的一个可靠下界。进一步证明，ASF 提供了比相干性更精确的 SL 界。我们还研究了新 ASF 与经典 RIC 之间的内在关系，并得到了一个基于 RIC 的 SL 界。
引用
@article{arxiv.1410.2447,
title = {New Accumulative Score Function Based Bound For Sparsity Level of L1 Minimization},
author = {Sheng Han and Suzhen Wang and Zhiguo Zhang},
journal= {arXiv preprint arXiv:1410.2447},
year = {2014}
}
备注
4 pages, submitted to ICASSP2015