版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、在本論文中,我們主要研究了稀疏信號恢復(fù)問題,它是壓縮感知中的核心數(shù)學(xué)問題之一。稀疏信號恢復(fù)問題根據(jù)信號的表達(dá)形式,可以分為單測量向量問題與多測量向量問題。
針對單測量向量問題的?1凸松弛框架,本文提出了一個兼具較高恢復(fù)概率與較快計算速度的算法。該算法的核心思想是結(jié)合兩種已有的方法:線性Bregman算法與重加權(quán)技術(shù),在恢復(fù)效率和恢復(fù)成功率上進(jìn)行折衷。與一些其他可行的算法相比較,例如重加權(quán)BP算法與線性Bregman算法,提出的
2、算法具有更低的計算復(fù)雜度與更高的精確恢復(fù)概率,數(shù)值試驗(yàn)展示了它的快速度與高恢復(fù)概率。
針對在單測量向量和多測量向量的?0-極小化框架,本文將計算智能算法引入稀疏恢復(fù)問題,應(yīng)用馬爾科夫鏈蒙特卡洛方法進(jìn)行求解,我們精心設(shè)計了目標(biāo)函數(shù)、備選解產(chǎn)生機(jī)制和終止條件。由于馬爾科夫鏈具有天然的可并行性,我們將基于MCMC的隨機(jī)算法實(shí)現(xiàn)并行化,比較了使用不同數(shù)目的馬爾科夫鏈時的計算效率和恢復(fù)效果。實(shí)驗(yàn)表明,提出的算法具有很強(qiáng)的恢復(fù)能力且計算開
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 稀疏信號恢復(fù)中的硬閾值算法研究.pdf
- 組合群試與稀疏信號恢復(fù).pdf
- 稀疏恢復(fù)問題中精確恢復(fù)條件的研究.pdf
- 26444.稀疏信號的精確恢復(fù)條件
- 稀疏恢復(fù)問題的非凸松弛方法.pdf
- 盲稀疏源信號分離算法的恢復(fù)性研究.pdf
- 基于塊稀疏恢復(fù)的空時自適應(yīng)信號處理研究.pdf
- 稀疏恢復(fù)中的智能與隨機(jī)方法研究.pdf
- 基于貝葉斯壓縮感知的塊狀稀疏信號恢復(fù)算法研究.pdf
- 混合lp-lq優(yōu)化算法下塊稀疏信號的穩(wěn)定恢復(fù).pdf
- 信息稀疏表示算法及其在圖像恢復(fù)中應(yīng)用的研究.pdf
- 非局部組稀疏模型在圖像恢復(fù)中的研究.pdf
- 短樣本信號與稀疏采樣信號的譜估計研究.pdf
- 基于相位恢復(fù)閾值算法與內(nèi)投影神經(jīng)網(wǎng)絡(luò)算法的稀疏信號重構(gòu).pdf
- 稀疏恢復(fù)與稀疏優(yōu)化的_1極小化理論及其計算.pdf
- 快速稀疏恢復(fù)算法研究.pdf
- 通信信號稀疏表示研究.pdf
- 稀疏位置軌跡的路徑恢復(fù).pdf
- 稀疏信號和低秩矩陣恢復(fù)等距約束性常數(shù)估計.pdf
- 圖像稀疏恢復(fù)的特征表示算法研究.pdf
評論
0/150
提交評論