泊松噪声下基于扩展图的压缩感知性能界

本文给出了在泊松噪声下使用扩展图进行压缩感知的性能界。泊松噪声模型适用于多种应用，包括低光照成像和数字流媒体，在这些应用中，压缩感知文献中使用的信号无关和/或有界噪声模型不再适用。本文基于扩展图发展了一种新颖的感知范式，并提出了一种MAP算法用于从泊松观测中恢复稀疏或可压缩信号。扩展图的几何性质以及相应感知矩阵的正定性在建立所提算法信号重构误差界方面起着关键作用。扩展图的几何性质使其在泊松噪声模型下被证明优于随机稠密感知矩阵，如高斯或部分傅里叶系综。我们通过实验演示支持了我们的结果。