压缩感知-Gradient Projection for Sparse Reconstruction
GPSR的作用主要是为了解决无约束的凸优化问题:
minx12∥y−Ax∥22+τ∥x∥1
而GPSR的第一个关键步骤就是将公式(1)转化为一个二次规划问题。转化的方法是将 x 分离成正负两部分:
则约束项变为:
∥x∥1=1Tnu+1Tnv
这样式(1)就可以重写成带边界约束的二次规划问题(bound-constrained quadratic program, BCQP):
minx12∥y−A(u−v)∥22+τ1Tnu+τ1Tnv,s.t.u≥0,v≥0
公式(3)可以进一步写成一个标准的BCQP形式:
minzcTz+12zTBz≡F(z),s.t.z≥0
其中 F(z) 表示目标函数,
z=[uv],b=ATy,c=τ1Tnu+[−bb]
B=[ATA−ATA−ATAATA]
后面有两个经常用到的公式为:
∇F(z)=c+Bz
而:
Bz=