基于冗余紧框架的?2/?1极小化块稀疏压缩感知

压缩感知是(近似)稀疏信号处理的研究热点之一,它突破了Nyquist/Shannon采样率,实现了信号的高效采集和鲁棒重构.本文采用l2/l1极小化方法和BlockD-RIP理论研究了在冗余紧框架下的块稀疏信号,所获结果表明,当BlockD-RIP常数δ2k/τ满足0<δ2k/τ<0.2时,l2/l1极小化方法能够鲁棒重构原始信号,同时改进了已有的重构条件和误差上界.基于离散傅里叶变换(DFT)字典,执行了一系列仿真实验充分证实了理论结果.

无约束的l_(2,1)-分析法重构冗余紧框架下分块稀疏信号的条件

文章主要利用分块稀疏信号的凸分解技术分析无约束的l_(2,1)-分析模型,建立无约束的l_(2,1)-分析法重构冗余紧框架下分块稀疏信号的条件,其条件基于紧框架下的限制等距性质.首先,利用分块稀疏信号的凸分解技术建立两个重要技术引理.其次,基于发展的两个技术引理建立无约束的l_(2,1)-分析法恢复冗余紧框架下分块稀疏信号新的恢复条件,其条件基于紧框架下的限制等距性质,改进了现存最好的恢复条件.最后,设计数值实验,说明无约束的l_(2,1)-分析法重构冗余紧框架下分块稀疏信号的性能.