内投影神经网络对 style='font-size:10px;'>l₁-αl₂极小化问题的稀疏信号恢复

摘要

本文旨在开发一种新算法,从少量测量数据中恢复稀疏信号,这是压缩传感领域的一个基本问题。目前,压缩感知倾向于非相干系统,其中任何两个测量值的相关性都尽可能小。然而,在现实中,许多问题是相干的,传统的方法,如l1最小化,处理效果不佳。我们提出了一种新的基于惯性投影神经网络的压缩传感l1-αl2极小化问题。针对高相干测量矩阵的稀疏信号恢复,提出了l1极小化问题,不同于传统的使用标准凸松弛的l1-αl2极小化问题。本文详细介绍了如何将惯性投影神经网络应用到压缩传感技术中。此外,还进行了数值实验,证明了稀疏信号恢复算法的有效性和显著的性能。