基于l1-l2范数的块稀疏信号重构

摘要：

压缩感知(compressed sensing,CS)是一种全新的信息采集与处理的理论框架,借助信号内在的稀疏性或可压缩性,可以从小规模的线性、非自适应的测量中通过求解非线性优化问题重构原信号.块稀疏信号是一种具有块结构的信号,即信号的非零元是成块出现的.受YIN Peng-hang,LOU Yi-fei,HE Qi等提出的l1-2范数最小化方法的启发,将基于l1-l2范数的稀疏重构算法推广到块稀疏模型,证明了块稀疏模型下l1-l2范数的相关性质,建立了基于l1-l2范数的块稀疏信号精确重构的充分条件,并通过DCA(difference of convex functions algorithm)和ADMM(alternating direction method of multipliers)给出了求解块稀疏模型下l1-l2范数的迭代方法.数值实验表明,基于l1-l2范数的块稀疏重构算法比其他块稀疏重构算法具有更高的重构成功率.

关键词：块稀疏、l1-l2范数、压缩感知、重构算法

所属期刊栏目：38

分类号：O174.2(数学分析)

资助基金：The Major Research Plan of the National Natural Science Foundation of China91538112;The National Science Fund for Young Scholars of China11201450国家自然科学基金重大研究计划91538112;国家自然科学基金青年科学基金11201450

在线出版日期：2017-11-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：932-942