一种迭代加权l1范数的信号优化恢复方法

doi:10.3778/j.issn.1002-8331.2010.03.038

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (3): 128-130.DOI: 10.3778/j.issn.1002-8331.2010.03.038

• 数据库、信号与信息处理 • 上一篇下一篇

一种迭代加权l1范数的信号优化恢复方法

杨扬，刘哲，吕方园

西北工业大学理学院，西安 710129

收稿日期:2009-09-17 修回日期:2009-11-27 出版日期:2010-01-21 发布日期:2010-01-21
通讯作者: 杨扬

Signal recovery based on iterative weighted l1 norm

YANG Yang，LIU Zhe，LV Fang-yuan

School of Science，Northwestern Polytechnical University，Xi’an 710129，China

Received:2009-09-17 Revised:2009-11-27 Online:2010-01-21 Published:2010-01-21
Contact: YANG Yang

摘要/Abstract

摘要： 稀疏信号的快速优化恢复是压缩感知理论（Compressed Sensing，CS）研究的热点。讨论了参数选取对迭代加权l1范数优化算法恢复效果的影响，并将参数规则化过程引入到算法中，提出了带有参数规则化过程的迭代加权l1范数优化算法。最后通过数值实验，表明改进的算法较大程度地提升了对稀疏信号的恢复能力。

关键词: 压缩感知, 稀疏信号, 参数规则化, 信号恢复

Abstract: Rapid recovery of sparse signals is an important issue in compressed sensing.This paper discusses the parameter selection of the signal recovery algorithm via the iterative weighted l1 norm.A regularization strategy is introduced for the iterative weighted l1 norm to improve the stability of the recovery algorithm.Several numerical experiments are carried out to evaluate the improvement of the proposed algorithm.Numerical result shows that the proposed algorithm can obviously improve the accuracy and stability of sparse signal recovery.

Key words: compressed sensing, sparse signal, parameter regularization strategy, signal recovery

中图分类号:

TP391

杨扬，刘哲，吕方园. 一种迭代加权l1范数的信号优化恢复方法[J]. 计算机工程与应用, 2010, 46(3): 128-130.

YANG Yang，LIU Zhe，LV Fang-yuan. Signal recovery based on iterative weighted l1 norm[J]. Computer Engineering and Applications, 2010, 46(3): 128-130.

[1]	张珊珊，赵建华. 基于IALM的穿墙雷达成像算法[J]. 计算机工程与应用, 2021, 57(11): 77-83.
[2]	孙泽宇，吕治国. 大规模MIMO加权正交匹配追踪信道估计算法[J]. 计算机工程与应用, 2020, 56(5): 118-124.
[3]	陈子兆，矫文成. 改进的稀疏深度置信网络[J]. 计算机工程与应用, 2020, 56(2): 62-67.
[4]	万东琴，卿朝进，阳庆瑶，蔡斌，余旺. 叠加特征辅助的1-bit CS音频传输[J]. 计算机工程与应用, 2020, 56(16): 69-74.
[5]	邵然，沈军. 二维逐步正交匹配追踪算法[J]. 计算机工程与应用, 2020, 56(1): 209-215.
[6]	朱瑞金，龚雪娇，唐波. 分布式混合压缩感知无线传感器网络数据收集[J]. 计算机工程与应用, 2019, 55(6): 73-80.
[7]	杨赵琪璘，彭定涛，唐琦，罗孝敏. 基于稀疏优化lp正则化的光滑化拟牛顿算法[J]. 计算机工程与应用, 2019, 55(22): 163-171.
[8]	姬晓辉，孙泽宇，阎奔，李传锋. 基于压缩感知的高阶MIMO系统信道估值算法[J]. 计算机工程与应用, 2019, 55(19): 153-159.
[9]	曾春艳，叶佳翔，王志锋，武明虎. 深度学习框架下压缩感知重建算法综述[J]. 计算机工程与应用, 2019, 55(17): 1-8.
[10]	刘玉红，杨丹凤. 光滑[lp]范数压缩感知图像重构优化算法[J]. 计算机工程与应用, 2019, 55(15): 213-218.
[11]	万东琴，卿朝进，阳庆瑶，蔡斌，余旺. 叠加特征信息辅助的语音传输与重构[J]. 计算机工程与应用, 2019, 55(15): 117-122.
[12]	马玉双，刘翠响，郭志涛，王宝珠. 用于CS的广义稀疏度自适应匹配追踪算法[J]. 计算机工程与应用, 2019, 55(13): 207-211.
[13]	沈子钰，汪立新. 步长自适应的测量矩阵迭代优化方法[J]. 计算机工程与应用, 2019, 55(1): 266-270.
[14]	郑成，王国中，范涛，赵海武. 压缩视频感知中量化器的研究与设计[J]. 计算机工程与应用, 2018, 54(9): 172-177.
[15]	刘晓晖，张鑫媛，路利军，冯前进，陈武凡. 磁共振图像的原始-对偶近似迭代重建算法[J]. 计算机工程与应用, 2018, 54(8): 28-35.

一种迭代加权l1范数的信号优化恢复方法

Signal recovery based on iterative weighted l1 norm

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics