基于神经动态压缩感知信号重构优化模型

• 作者: 宋全 李国成
• 来源期刊: 北京信息科技大学学报（自然科学版）
• 学科: 数学
• 关键词: 压缩感知 稀疏信号 神经网络 重构
• 年，卷（期）: 2016,（3）
• 页码范围: 37-41
• 页数: 5页
• 分类号: O241
• 字数: 3312字
• 语种: 中文
• DOI: 10.16508/j.cnki.11-5866/n.2016.03.008

摘要

对于压缩感知信号的恢复,寻找约束l0—范数最小值问题的最优解一直是NP难问题,它通常需要使用其他目标函数来获得近似的解决方案.通过使用神经网络算法,构建RNN模型来解决l0—范数的最小值问题.对于构建的RNN模型,使用修正的近似函数作为目标函数逼近l0—范数,并模拟原始信号进行仿真.通过比较该算法与其他算法的恢复性,该模型只需要较少的观测次数就可以正确的恢复稀疏信号.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宋全	北京信息科技大学理学院	2	0	0.0	0.0
2	李国成	北京信息科技大学理学院	17	4	1.0	2.0