基于迭代收缩L1残差最小化的预测反褶积方法

摘要

预测反褶积是一种常用的多次波压制方法.传统的预测反褶积通过使预测滤波器输出残差(对应预测出的一次波)的L2范数最小来拟合该滤波器.将非高斯性最大化准则引入到预测滤波器的学习中,能够得到了优于传统预测反褶积的多次波压制效果.本文使用基于L1残差最小化的滤波器学习算法,证实了这种准则比文献使用的准则可以获得更好的多次波压制效果.而针对L1类优化问题的特点,本文提出一种基于迭代收缩的求解算法,较显著地提高了算法的效率.