压缩感知(一)
压缩感知理论的三个部分
一、信号的稀疏表示
信号的稀疏表示分为两类
一类是基于表示式的稀疏表示:比如小波基,DCT基等
一类是基于冗余字典或者超完备字典的稀疏表示
这里主要讲overcomplete dictionary 的学习
Dictionary learning 的两个过程
-Sparse Coding
-Dictionary UpdateSparse Coding 是固定字典D,然后找稀疏表示X。
Formulation
minX||X||0s.t||Y−DX||2F≤ϵ
主要有三种类别求解稀疏表示
第一种贪婪法(Greedy):OMP正交匹配追踪算法,SP子空间追踪,CoSaMp压缩信号匹配追踪等。
第二种L1近似(L1-approach):将X的L0 relax to L1进行求解,转换成一个凸优化问题。
minX||X||1s.t||Y−DX||2F≤ϵ也等价于minX12||Y−DX||2F+λ||X||1≤ϵ
第三种贝叶斯近似(Bayesian-approach)
Relevance vector machine (RVM) 和 Bayesian compressed sensing (BCS)。(略)