深度学习框架下压缩感知重建算法综述

• 作者: 叶佳翔 曾春艳 武明虎 王志锋
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 压缩感知 重建算法 深度学习 数据驱动
• 年，卷（期）: 2019,（17）
• 所属期刊栏目: 热点与综述
• 页码范围: 1-8,19
• 页数: 9页
• 分类号: TN911.72
• 字数: 7432字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1903-0437

摘要

压缩感知技术以远小于奈奎斯特频率采样信号,并高概率重建原信号,是信号处理领域里程碑式的进展.近年来深度学习在特征提取与模式分类方面的优势给压缩感知技术提供了新的思路,基于深度学习的压缩感知重建算法采用数据驱动的方式,在重建时间上有数量级的降低,且重建精度具有可比性或更高.重点综述基于深度学习的压缩感知重建方法,综合考虑传统重建方法,并分为基于先验知识、纯数据驱动、混合先验知识与数据驱动的三类,分析了典型算法的特点、网络结构、关键步骤.最后分析与总结,展望了深度学习技术应用于压缩感知的研究前景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	武明虎	湖北工业大学太阳能高效利用及储能运行控制湖北省重点实验室	45	167	8.0	11.0
2	曾春艳	湖北工业大学太阳能高效利用及储能运行控制湖北省重点实验室	17	18	3.0	3.0
3	王志锋	华中师范大学数字媒体技术系	19	67	5.0	7.0
4	叶佳翔	湖北工业大学太阳能高效利用及储能运行控制湖北省重点实验室	1	3	1.0	1.0