10.3969/j.issn.1001-3695.2015.08.075
基于神经动力学优化的压缩感知信号恢复方法
针对稀疏信号的准确和实时恢复问题,提出了一种基于神经动力学优化的压缩感知信号恢复方法.通过引入反馈神经网络(recurrent neural network,RNN)模型求解l1范数最小化优化问题,计算RNN的稳态解以恢复稀疏信号.对不同方法的测试结果表明,提出的方法在恢复稀疏信号时所需的观测点数最少,并且可推广到压缩图像的恢复应用中,获得了更高的信噪比.RNN模型也适合并行实现,通过GPU并行计算获得了超过百倍的加速比.与传统的方法相比,所提出的方法不仅能够更加准确地恢复信号,并具有更强的实时处理能力.
压缩感知、稀疏信号、神经动力学优化、反馈神经网络、l1范数最小化
32
TN911.7
2015-08-31(万方平台首次上网日期,不代表论文的发表时间)
共4页
2551-2553,2557