带有熵和加权Weight1-范数的稀疏编码算法在信号重建中的应用
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。
文件下载
评论信息
其他资源
- 2018新大纲-通信专业实务-终端与业务知识点汇总（通信中级）-修订版v1.2
- HT for Web
- [免费]masm64 64位
- 基于深度学习的软件源码漏洞预测综述
- Web日志_log.zip
- 一个动物识别专家系统在PROLOG下的实现
- 帧间差分法和三帧差分法法
- MY SQL安装包（简体中文版）
- STL源码剖析简体中文（带目录版本）高清完整PDF版
- 一招教你如何在JAVA工程中轻松嵌入Web服务.mp4
- jquery.js 源码
- Leetcode解决方案-源码
- nesy027运用Jacinto处理器的汽车设计功能安全.pdf
- javaweb餐饮管理系统
- stl_algobase.h
- r8刷机阮籍
- CAD2008字体库
- 华为 HG8245H_V300R016C10SPC138
- 利用dsp实验开发装置正弦信号发生器
- 英飞凌【Infineon】推出XC2000系列MCU——专用于汽车电子
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明