PENDANTSS：用于解耦加性噪声、趋势与稀疏尖峰的惩罚范数比率方法
信号处理
2023-03-17 v2 机器学习
最优化与控制
数据分析、统计与概率
机器学习
摘要
去噪、去趋势、反卷积：常见的复原任务，传统上被解耦。耦合的提法导致复杂的病态逆问题。我们提出 PENDANTSS 用于稀疏峰状信号的联合趋势去除与盲反卷积。它将简约先验与平滑趋势和噪声可在某种程度上通过低通滤波分离的假设相融合。我们将广义拟范数比率 SOOT/SPOQ 稀疏惩罚 与 BEADS 三元辅助源分离算法相结合。这产生了一个既收敛又高效的工具，采用一种新颖的信赖域块交替变度量前向-后向方法。当应用于典型的尖峰分析化学信号时，它优于可比方法。提供了可复现代码。
引用
@article{arxiv.2301.01514,
title = {PENDANTSS: PEnalized Norm-ratios Disentangling Additive Noise, Trend and Sparse Spikes},
author = {Paul Zheng and Emilie Chouzenoux and Laurent Duval},
journal= {arXiv preprint arXiv:2301.01514},
year = {2023}
}