基于自適應(yīng)重啟的壓縮感知算法.pdf

1、自壓縮感知理論提出以來(lái)，其相關(guān)理論的研究及應(yīng)用在各個(gè)信息領(lǐng)域蓬勃發(fā)展。它試圖通過(guò)最少的測(cè)量，但是最終能獲得和原始信號(hào)差別不大的稀疏表示形式，從而在數(shù)據(jù)采集、存儲(chǔ)、傳輸上提供了更多便利，理論上改造了人們的生活。
　　本文將從壓縮感知的產(chǎn)生背景入手，接著介紹壓縮感知在各個(gè)領(lǐng)域的研究現(xiàn)狀。由于壓縮感知重構(gòu)算法及其改進(jìn)方法多且雜，本文根據(jù)各方法的基本原理對(duì)這些方法進(jìn)行整理，并針對(duì)每類方法介紹了比較典型的算法。最后對(duì)這些常用方法的計(jì)算復(fù)雜度

2、進(jìn)行了簡(jiǎn)單比較。
　　作為壓縮感知的一種重要的重構(gòu)方法，NESTA算法復(fù)雜度遠(yuǎn)低于其他二階優(yōu)化算法，同時(shí)在一階算法中，其準(zhǔn)確度相對(duì)較高。除此以外，NESTA作為一種工具，被廣泛應(yīng)用于其他優(yōu)化問(wèn)題當(dāng)中。
　　重啟算法的思想在解決平滑函數(shù)凸優(yōu)化問(wèn)題方面具有得天獨(dú)厚的優(yōu)勢(shì)，特別是針對(duì)壓縮感知等這類稀疏最優(yōu)化問(wèn)題。
　　受重啟算法的啟發(fā)，針對(duì)NESAT迭代收斂過(guò)程中的不足，本文提出了基于相對(duì)變化量的自適應(yīng)重啟的R-NESTA。