Recuperación de señales dispersas de un subespacio de baja dimensionalidad fija a través de medidas compresivas
Autores: He, Jun; Gao, Ming-Wei; Zhang, Lei; Wu, Hao
Idioma: Inglés
Editor: MDPI
Año: 2013
Acceso abierto
Artículo científico
2013
Recuperación de señales dispersas de un subespacio de baja dimensionalidad fija a través de medidas compresivas
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería de Software
Palabras clave
Algoritmo
Variante
CoSaMP
Muestreo compresivo
Señal dispersa
Subespacio de baja dimensionalidad
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 27
Citaciones: Sin citaciones
Este documento diseña y evalúa una variante del algoritmo CoSaMP, para recuperar la señal dispersa de la medición compresiva = ( + ) dada un subespacio de rango bajo fijo abarcado por . En lugar de recuperar primero el vector completo y luego separar la parte dispersa de la parte densa estructurada, el algoritmo propuesto trabaja directamente en la medición compresiva para realizar la separación. Investigamos el rendimiento del algoritmo tanto en datos simulados como en compresión de video. Los resultados muestran que para un subespacio de rango bajo fijo y una señal verdaderamente dispersa, el algoritmo propuesto podría recuperar con éxito la señal solo a partir de unas pocas mediciones de compresión sensorial (CS), y funciona mejor que CoSaMP ordinario cuando la señal dispersa está corrompida por ruido gaussiano adicional.
Descripción
Este documento diseña y evalúa una variante del algoritmo CoSaMP, para recuperar la señal dispersa de la medición compresiva = ( + ) dada un subespacio de rango bajo fijo abarcado por . En lugar de recuperar primero el vector completo y luego separar la parte dispersa de la parte densa estructurada, el algoritmo propuesto trabaja directamente en la medición compresiva para realizar la separación. Investigamos el rendimiento del algoritmo tanto en datos simulados como en compresión de video. Los resultados muestran que para un subespacio de rango bajo fijo y una señal verdaderamente dispersa, el algoritmo propuesto podría recuperar con éxito la señal solo a partir de unas pocas mediciones de compresión sensorial (CS), y funciona mejor que CoSaMP ordinario cuando la señal dispersa está corrompida por ruido gaussiano adicional.