Projection matrix design using prior information in compressive sensing

این مقاله الگوریتم طراحی ماتریس طرح ریزی را با استفاده از اطلاعات پیشین در سیگنال اسپرزی برای کاهش انسجام تجمعی محلی پیشنهاد می کند، زیرا انسجام محلی کوچک می تواند میزان بازیابی سیگنال اسپار را بهبود بخشد. انسجام تجمعی محلی، همبستگی بین اتم های نشان دهنده حمایت از سیگنال اسپارک و دیگر اتم ها را توصیف می کند. با استفاده از اطلاعات پیشین در سیگنال ناقص، طراحی ماتریس طرح ریزی به عنوان یک مشکل بهینه سازی صورت می گیرد که فاصله فبرنویوس با وزنی از ماتریس گرام و ماتریس هویت را به حداقل می رساند. این مسئله بهینه سازی با روش بهینه سازی بزرگ سازی حل می شود که به طور تکراری باعث کاهش کارکرد جایگزین می شود. اگر اطلاعات پیشین دقیق باشد، ماتریس پروژکتور طراحی شده می تواند انسجام تجمعی محلی را کوچک کند. آزمایش های عددی بر روی هر دو سیگنال سنتز شده و توالی های تصویر واقعی، اثربخشی الگوریتم پیشنهاد شده را در بهبود عملکرد الگوریتم های بازیابی سیگنال ضعیف مانند الگوریتم های حریص و الگوریتم تعقیب پایه نشان می دهد.