压缩感知基本算法分为4种,最优化算法、贪婪算法、阈值算法和非凸松弛最小化方法。本文将汇总这些算法及其python和matlab实现方法。
1.最优化算法 Optimization Methods
1.1 基追踪算法 (Basis Pursuit, BP)
1.2 基追踪降噪算法 (Basis Pursuit De-Noising, BPDN)
1.3 最小角回归算法 (Least Angle Regression, LAR)
2.贪婪算法 Greedy Methods
2.1 匹配追踪算法 (Matching Pursuit, MP)
2.2 正交匹配追踪算法 (Orthogonal Matching Pursuit, OMP)
2.3 正则化正交匹配追踪算法 (Regularized Orthogonal Matching Pursuit, ROMP)
2.4 随机梯度追踪算法 (Stochastic Gradient Pursuit, SGP)
2.5 压缩采样匹配追踪算法 (Compressive Sampling Matching Pursuit, CoSaMP)
2.6 子空间追踪算法 (Subspace Pursuit, SP)
3.阈值算法 Thresholding-Based Methods
3.1 迭代硬阈值算法 (Iterative Hard-Thresholding, IHT)
3.2 迭代收缩阈值算法 (Iterative Shrinkage Thresholding Algorithm, ISTA)
3.3 快速迭代收缩阈值算法 (Fast Iterative Shrinkage Thresholding Algorithm, FISTA)
3.4 两步迭代收缩阈值算法 (Two-Step Iterative Shrinkage Thresholding, TwIST)
3.5 加权最小二乘迭代算法 (Iteratively Reweighted Least Square, IRLS)
4. 非凸松弛最小化方法 Non-Convex Minimization
4.1 重加权L1最小化算法 (Reweighted L1 Minimization Algorithm,RL1)
4.2 平滑L0半正则化算法 (Smoothed L0-Pseudonorm Algorithm, SL0)
4.3 鲁棒平滑L0半正则化算法 (Robust Smoothed L0-Pseudonorm Algorithm, RSL0)
4.4 零空间重加权近似L0半正则化算法 (Null-Space Reweigthted Approximate L0-Pseudonorm Algorithm, NSRAL0)
4.4 分割布雷格曼迭代L1迭代法 (Split Bregman Iteration L1, SpBIL1)
4.5 伪牛顿最小近似Lp半正则化算法 (Minimization of Approximate Lp Pseudonorm Using a Quasi-Newton Algorithm, UALP)
参考
1. A Mathematical Introduction to Compressive Sensing Chapter 3