.png){kind=icon}
返回
Computing One-Bit Compressive Sensing via Alternating Proximal Algorithm
.png){kind=icon}
OA
AI
DOI：10.3390/math13182926.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
利用单比特压缩感知恢复真实稀疏信号具有挑战性。现有方法在测量值无噪声（符号翻转）或噪声水平及信号稀疏性的先验信息已知时表现良好。然而，在实际应用中，噪声水平及信号稀疏性的先验信息并非总是可知的。本文提出了一种具有非光滑和非凸目标函数的鲁棒模型。在该模型中，噪声因子被考虑在内，而无需知道噪声水平或信号稀疏性的先验信息。我们开发了一种交替近端算法，并证明该算法生成的序列收敛于模型的局部最小值。我们的算法具有较高的时间效率和恢复精度。当噪声水平及信号的稀疏性已知时，其在实验测试中表现优于其他算法。
Keyword:
one-bit compressive sensing
sparse signal reconstruction
alternating proximal algorithm
local convergence
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
2.2
论文数:
3.1K
被引数:
3.6W
机构
暂无机构信息
引用论文
.png){kind=icon}
分享收藏
查看更多内容