压缩感知和稀疏优化简介

被引：23

作者：

文再文 ^{[1
]}

印卧涛 ^{[2
]}

刘歆 ^{[3
]}

张寅 ^{[2
]}

机构：

[1] 上海交通大学数学系,自然科学研究院和科学工程计算教育部重点实验室

[2] 美国莱斯大学计算与应用数学系

[3] 中国科学院数学与系统科学研究院

来源：

运筹学学报 | 2012年 / 16卷 / 03期

关键词：

压缩感知; 稀疏优化; 零空间性质; 受限正交条件; 紧缩算子; 线性化近似点算法; 分裂Bregman方法和交替方向增广拉格朗日函数法; Bregman方法和增广拉格朗日函数法;

D O I：

10.15960/j.cnki.issn.1007-6093.2012.03.003

中图分类号：

O221.2 [非线性规划];

学科分类号：

070105 ; 1201 ;

摘要：

介绍压缩感知和稀疏优化的基本概念、理论基础和算法概要,压缩感知利用原始信号的稀疏性,从远少于信号元素个数的测量出发,通过求解稀疏优化问题来恢复完整的原始稀疏信号,通过一个小例子展示这一过程,并以此说明压缩感知和稀疏优化的基本理念,接着简要介绍用以保证（?）1凸优化恢复稀疏信号的零空间性质和RIP条件,最后介绍求解稀疏优化的几个经典算法。

引用

页码：49 / 64

页数：16

共 9 条

[1] 压缩感知 [J].

许志强 .

中国科学:数学, 2012, 42 (09) :865-877

[2] 压缩感知理论及其研究进展 [J].

石光明 ;

刘丹华 ;

高大化 ;

刘哲 ;

林杰 ;

王良君 .

电子学报, 2009, 37 (05) :1070-1081

[3] New bounds on the restricted isometry constant δ2k [J].

Mo, Qun ;

Li, Song .

APPLIED AND COMPUTATIONAL HARMONIC ANALYSIS, 2011, 31 (03) :460-468

[4]

Enhancing Sparsity by Reweighted ? 1 Minimization[J] . Emmanuel J. Candès,Michael B. Wakin,Stephen P. Boyd.Journal of Fourier Analysis and Applications . 2008 (5)

[5]

CoSaMP: Iterative signal recovery from incomplete and inaccurate samples[J] . D. Needell,J.A. Tropp.Applied and Computational Harmonic Analysis . 2008 (3)

[6] Restricted isometry properties and nonconvex compressive sensing [J].

Chartrand, Rick ;

Staneva, Valentina .

INVERSE PROBLEMS, 2008, 24 (03)

[7]

Image Restoration with Discrete Constrained Total Variation Part I: Fast and Exact Optimization[J] . Journal of Mathematical Imaging and Vision . 2006 (3)

[8] An Algorithm for Total Variation Minimization and Applications [J].

Antonin Chambolle .

Journal of Mathematical Imaging and Vision, 2004, 20 :89-97

[9]

A Note on Wavelet-based Inversion Algorithms. De Mol C,Defrise M. Contemporary Mathematics . 2002

← 1 →