CVX示例库之全变差（Total Variation，TV）信号重建

参考 6.3.3节 Boyd 和 Vandenberghe 《凸优化》

正则逼近

正则逼近问题可以写成：
​$$\text{minimize}\Vert Ax-b\Vert +\gamma \varphi (x),\gamma >0$$
正则逼近问题最小化范数$\Vert Ax-b\Vert$和$\varphi (x)$的加权和，其中$\Vert Ax-b\Vert$测量残差的大小，$\varphi (x)$是正则项。如果$\varphi (x)$是凸函数，则正则逼近问题是凸优化问题。

​两种常见的$\varphi (x)$是$\Vert x\Vert$（测量$x$的大小）和$\Vert Dx\Vert$（测量x的平滑度），其中​$D$代表差分或二阶差分算子。

信号重建/降噪​

一个特殊的正则逼近问题是信号重建/降噪。信号重建/降噪的目的是从采样的含噪观测信号$y=x+v$中估计原始信号$x$。我们假设原始信号$x$是缓慢变化的，而噪声信号$v$是快速时变的，则信号重建/降噪问题可以写成：
​$$\text{minimize}\Vert Ax-b{\Vert }_2+\gamma \Vert$$