用于稀疏信号恢复的可训练 ISTA
信息论
2019-05-22 v3 math.IT
摘要
本文提出一种称为可训练 ISTA（TISTA）的新型稀疏信号恢复算法。所提算法由两个估计单元组成：线性估计单元与基于最小均方误差（MMSE）估计的收缩单元。MMSE 收缩单元所需的估计误差方差由原始信号的初步估计精确得出。所提方案的显著特征是 TISTA 包含控制步长与 MMSE 收缩误差方差的可调变量。这些变量通过标准深度学习技术进行调整。TISTA 的可训练变量数量等于迭代轮数，且远小于已知可学习稀疏信号恢复算法。该特性使得 TISTA 的训练过程高度稳定且快速。计算机实验表明，TISTA 可应用于各类感知矩阵，如高斯矩阵、二值矩阵以及具有大条件数的矩阵。数值结果还表明，在许多情况下 TISTA 比 AMP 与 LISTA 收敛显著更快。
引用
@article{arxiv.1801.01978,
title = {Trainable ISTA for Sparse Signal Recovery},
author = {Daisuke Ito and Satoshi Takabe and Tadashi Wadayama},
journal= {arXiv preprint arXiv:1801.01978},
year = {2019}
}
备注
10 pages