压缩感测理论近年来引起了广泛的关注，并且稀疏信号重建已广泛用于信号处理和通信中。 本文解决了稀疏信号恢复的问题，尤其是在非高斯噪声的情况下。 本文的主要贡献是提出了一种算法，其中负熵和重新加权方案代表了解决问题方法的核心。 信号重建问题被形式化为约束最小化问题，其中目标函数是误差统计特征项，负熵和稀疏正则项项测量值p的范数之和，对于0 <p <1。但是，p-范数会导致非凸优化问题，难以有效解决。 在这里，我们将'p-范数视为加权的'1-范数的严重范数，以使子问题变得凸。 我们提出了一种优化算法，该算法结合了前向后向拆分。 该算法速度快，能够成功准确地恢复具有高斯和非高斯噪声的稀疏信号。 若干数值实验和比较证明了该算法的优越性。
2021-11-02 10:10:47
2.23MB
1
CSPHANTOM 是专为压缩感知 MRI 算法开发而设计的测试体模。 它被设计为在梯度变换下是非稀疏的，并且包含难以通过部分傅立叶采样重现的特征。 我们希望该模型可用于评估无噪声域中压缩感知 MRI 重建算法的质量和准确性，以便改进 CS MRI 的实际应用。
2021-10-23 00:47:35
105KB
1
此程序是 Motion Compensated Block Compressed Sensing
- Smooth Projected Landweber算法，本人亲测有效并易于调用
2021-10-14 16:39:26
73KB
1
win10_volatility-win10_compressed_memory (1).zip
2021-10-14 15:58:48
5.68MB
1
关于compressed sensing非常好的书籍资料, 包括理论与前沿的应用!
2021-06-17 02:03:27
8.33MB
1
Compressed Sensing Theory and Applications
2021-05-18 20:40:20
26.92MB
1