论文摘要
根据高维数据的一些特殊结构,例如稀疏性,低秩性,可以从病态的线性或者非线性的观测值中恢复出特定的信息.这是无数学者都关注的数据科学反问题.这一问题在以稀疏和低秩优化为核心内容的稀疏信号恢复,低秩矩阵填充/恢复,稀疏相位恢复,图像重建,低秩张量填充,深度学习,稀疏优化算法等领域均有体现.本论文探究稀疏与低秩优化为核心的相关问题的理论与算法.本论文的主要贡献如下:第一是关于凸的l1极小下稀疏信号恢复的理论研究.首先,我们在基于累积相干性框架下,提出了可以保证稀疏信号精确或者稳定恢复的充分条件.其次,我们估计了累积相干框架下的两类模型Lasso解法器和Dantzig选择器的预测损失的近似程度.最后我们还通过数值实验,说明累积相干条件的优势.第二是关于非凸的l1-αl2（0<α≤1）极小下信号恢复的理论与算法研究.为了从脉冲噪声观测值恢复信号与图像,我们引入了两个新模型:带l1约束的l1-αl2极小-l1-αl2-LAD,带Dantzig选择子约束的l1-αl2极小-l1-αl2-DS.我们证明了在某个l1-RIP条件下,可以通过l1-αl2极小精确或者稳定恢复稀疏或者近似稀疏信号.为了计算方便,我们也提出了无约束的l1-αl2模型-l1-αl2-PLAD.结合DCA算法和ADMM算法,我们给出了具体的具有收敛性分析的求解算法.我们的数值实验表明,当感测矩阵高度病态时（即相干性大于0.99）,l1-αl2LA比l1凸极小和lp非凸极小有更好的恢复效果.第三是基于梯度变换域下稀疏的正则的图像的重建与修复.我们注意到一个有趣的现象,即图像u（特别是对于具有分片常数区域的图像）的梯度变换矩阵Dxu,Dxu不仅是稀疏而且是低秩的.我们提出了一种称为压缩全变差（CTV）的模型来刻画图像的这种先验知识.为了解决该模型.我们设计了一种基于ADMM的可证明收敛性的具体算法.针对提出的模型,我们做的测试包括磁共振成像（MRI）重建,图像去噪和图像去模糊.我们所提出的模型不仅能恢复图像的非光滑的边缘和精细细节,而且还能很好的保持图像中的主要物体的形状.第四是针对多块凸优化问题的惯性邻近ADMM算法和仿射相位恢复.首先针对带有可分离目标函数的多块凸优化问题,我们提出了一种惯性邻近ADMM（Prox-IADMM）算法,这是针对具有可分离目标函数的两块凸优化问题的惯性邻近ADMM算法的非平凡延拓.我们的方法不需要对原始模型做任何限制,仅仅是对经典的ADMM算法的迭代格式做细微的修正.在一些很温和的条件下,我们得到了目标函数和生成序列的全局收敛性.作为我们提出的算法的应用,我们考虑了稀疏仿射相位恢复问题.通过提升技术,矩阵的秩的凸松弛-核模范数,稀疏度的凸松弛-l1范数,我们建立了基于提升的压缩仿射相位复原（CAPRL）模型.这个模型的目标函数包含变量稀疏向量x,稀疏且低秩的半正定矩阵X;其约束条件为非凸的X=xxT.对噪声情形,还含有数据拟合项.通过我们提出的算法设计的具体的解决方法表明,稀疏信号可以从稀疏仿射相位恢复测量值中精确或者稳定恢复.此外与其他一些ADMM算法比较的数值实验表明,我们的算法需要的迭代次数更少,有更快的收敛速度.
论文目录
文章来源
类型: 博士论文
作者: 李朋
导师: 谌稳固
关键词: 信号恢复,图像恢复,仿射相位恢复,稀疏,低秩,限制等距性质,压缩全变差,惯性邻近算法
来源: 中国工程物理研究院
年度: 2019
分类: 基础科学,信息科技
专业: 数学,计算机软件及计算机应用
单位: 中国工程物理研究院
分类号: TP391.41;O224
DOI: 10.27498/d.cnki.gzgwy.2019.000044
总页数: 159
文件大小: 6990K
下载量: 206
相关论文文献
- [1].稀疏信号恢复问题解的个数[J]. 工程数学学报 2015(05)
- [2].基于拉格朗日神经网络的稀疏信号恢复算法[J]. 北京信息科技大学学报(自然科学版) 2017(03)
- [3].基于反馈神经网络的稀疏信号恢复的优化算法[J]. 计算机应用 2017(09)
- [4].基于贝叶斯压缩感知的复数稀疏信号恢复方法[J]. 电子与信息学报 2016(06)
- [5].稀疏信号恢复理论在CT图像重建中的应用[J]. CT理论与应用研究 2009(03)
- [6].L_1范数下有噪信号恢复的误差估计[J]. 成都大学学报(自然科学版) 2016(04)
- [7].部分支集已知的信号恢复[J]. 中国科学:数学 2012(04)
- [8].联合稀疏信号恢复中的分布式路径协同优化算法[J]. 信号处理 2013(08)
- [9].基于非均匀采样的稀疏信号恢复FPGA实现技术研究[J]. 电子与封装 2019(10)
- [10].带有信号恢复的签名方案及其应用研究[J]. 计算机工程与设计 2008(11)
- [11].基于压缩感知的欠定源信号恢复算法比较[J]. 强激光与粒子束 2018(05)
- [12].基于分段直线拟合的电信号恢复方法[J]. 信息通信 2012(04)
- [13].基于优化最小化的加强稀疏性的稀疏信号恢复算法[J]. 上海大学学报(自然科学版) 2018(04)
- [14].频域单快拍压缩感知目标方位估计和信号恢复方法[J]. 声学学报 2016(02)
- [15].压缩感知中基于坐标下降的稀疏信号恢复[J]. 广西大学学报(自然科学版) 2015(02)
- [16].压缩传感理论在心电图信号恢复问题上的研究[J]. 计算机研究与发展 2014(05)
- [17].压缩感知简介[J]. 科学咨询(科技·管理) 2011(11)
- [18].一种基于信噪比最大化的信号恢复方法[J]. 测控技术 2012(05)
- [19].采用自适应信号恢复算法的非接触式心率检测[J]. 中国图象图形学报 2019(10)
- [20].弱化限制等距性的稀疏信号恢复[J]. 数学的实践与认识 2016(03)
- [21].基于局域线性法和卡尔曼滤波的强混沌背景下正弦信号恢复的混合算法[J]. 电子学报 2017(04)
- [22].SFBC-MIMO系统碰撞信号恢复算法[J]. 信息技术 2015(12)
- [23].PRP共轭梯度法在信号恢复问题中的应用[J]. 内蒙古大学学报(自然科学版) 2019(02)
- [24].噪声背景下单稳系统的信号检测和恢复[J]. 纺织高校基础科学学报 2018(02)
- [25].有爱作伴好扬帆[J]. 解放军生活 2013(10)
- [26].双稳信号的参数调节及恢复[J]. 振动.测试与诊断 2010(06)
- [27].基于似零范数和混合优化的压缩感知信号快速重构算法[J]. 自动化学报 2014(10)
- [28].压缩感知中限制等距常数的一个界[J]. 华北水利水电学院学报 2013(05)
- [29].压缩感知后引入噪声的信号恢复[J]. 光学精密工程 2014(10)
- [30].基于近似l_0范数的稀疏信号重构[J]. 计算机研究与发展 2018(05)
标签：信号恢复论文; 图像恢复论文; 仿射相位恢复论文; 稀疏论文; 低秩论文; 限制等距性质论文; 压缩全变差论文; 惯性邻近算法论文;