基于神经动力学优化的压缩感知信号恢复方法

• 作者: 杨清山 熊飞
• 来源期刊: 计算机应用研究
• 关键词: 压缩感知 稀疏信号 神经动力学优化 反馈神经网络 l1范数最小化
• 年，卷（期）: 2015,（8）
• 所属期刊栏目: 图形图像技术
• 页码范围: 2551-2553,2557
• 页数: 4页
• 分类号: TN911.7
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2015.08.075

摘要

针对稀疏信号的准确和实时恢复问题,提出了一种基于神经动力学优化的压缩感知信号恢复方法.通过引入反馈神经网络(recurrent neural network,RNN)模型求解l1范数最小化优化问题,计算RNN的稳态解以恢复稀疏信号.对不同方法的测试结果表明,提出的方法在恢复稀疏信号时所需的观测点数最少,并且可推广到压缩图像的恢复应用中,获得了更高的信噪比.RNN模型也适合并行实现,通过GPU并行计算获得了超过百倍的加速比.与传统的方法相比,所提出的方法不仅能够更加准确地恢复信号,并具有更强的实时处理能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	熊飞		2	2	1.0	1.0
2	杨清山		5	5	1.0	1.0