کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4977600 1451929 2017 8 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Selection order framework algorithm for compressed sensing
ترجمه فارسی عنوان
الگوریتم چارچوب انتخاب برای حساسیت فشرده
کلمات کلیدی
ترجمه چکیده
الگوریتم های حریص، که از استراتژی حرص و طمع تکراری استفاده می کنند، به علت سرعت سریع و ساختار ساده به طور گسترده اعمال می شوند. با این حال، دقت بازسازی الگوریتم حریص، فرصت زیادی برای بهبود دارد. برای رفع این نقص، یک چارچوب بهبود یافته، به نام چارچوب نظم انتخاب، در این مقاله ارائه شده است. این چارچوب برای الگوریتم های حریص بسیار مفید است که از همبستگی بین ستون های ماتریس اندازه گیری و باقی مانده برای انتخاب اتم در هر تکرار استفاده می کنند. علاوه بر این، برای بهبود دقت بازیابی، چارچوب پیشنهادی تنها نیاز به نظم انتخاب اتم ها در مجموعه پشتیبانی تخمین زده شده است که در الگوریتم اصلی موجود است. چارچوب پیشنهادی نیز یک پارامتر قابل تنظیم برای کنترل تجارت بین دقت بازسازی و زمان اجرا فراهم می کند. بهره وری از چارچوب پیشنهاد شده توسط شبیه سازی با استفاده از سیگنال های نزولی و یک تصویر نادر است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر پردازش سیگنال
چکیده انگلیسی
Greedy algorithms, which employ iterative greed strategy, are applied widely due to fast speed and simple structure. However, the reconstruction accuracy of greedy algorithm has a lot of room for improvement. To alleviate this drawback, an improved framework, called selection order framework, is proposed in this paper. This framework is very useful for greedy algorithms which use the correlation between columns of measurement matrix and the residue to select atoms per iteration. Moreover, to improve the recovery accuracy, the proposed framework only needs the selection order of atoms in estimated support set, which is available in original algorithm. The proposed framework also provides an adjustable parameter to control the tradeoff between the reconstruction accuracy and the run time. The efficiency of the proposed framework is demonstrated by simulations using sparse signals and a sparse image.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Signal Processing - Volume 138, September 2017, Pages 121-128
نویسندگان
, , , ,