利用混合变换/预测稀疏模型进行多维信号的渐进压缩感知与重构
信息论
2014-03-06 v1 math.IT
摘要
压缩感知（CS）是一种创新技术，允许通过少量线性投影来表示信号。因此，CS 可被视为获取多维信号的自然候选方案，因为传统传感器采集和处理的数据量可能在计算复杂度方面造成问题。在本文中，我们提出了一个用于采集和重构多维相关信号的框架。该方法具有通用性，可应用于 D 维信号，尽管我们提出的实际实现此类架构的算法适用于 2-D 和 3-D 信号。所提出的架构采用了基于混合变换/预测相关模型的迭代局部信号重构，并结合了适当的初始化策略。
引用
@article{arxiv.1310.1266,
title = {Progressive Compressed Sensing and Reconstruction of Multidimensional Signals Using Hybrid Transform/Prediction Sparsity Model},
author = {Giulio Coluccia and Simeon Kamden-Kuiteng and Andrea Abrardo and Mauro Barni and Enrico Magli},
journal= {arXiv preprint arXiv:1310.1266},
year = {2014}
}