• 王C,严M和于J. (2024). 稀疏信号恢复的排序最小化方法.科学计算杂志.99:2.在线发布日期：2024年5月1日.

    https://doi.org/10.1007/s10915-024-02497-2网址

  • 陶M和张X. (2023). 非负信号恢复的过最小化方法研究.科学计算杂志.95:3.在线发布日期：2023年6月1日.

    https://doi.org/10.1007/s10915-023-02225-2

  • 刘A,李杰和莫伊特拉A. 广义矩模型的鲁棒模型选择和近邻学习第36届神经信息处理系统国际会议论文集。(22830-22843).

    /doi/10.5555/3600270.3601929

  • 苏加瓦南N,巴斯卡尔S和埃尔丁E. (2022). 压缩照明的高分辨率MIMO雷达传感.IEEE信号处理汇刊.70.(1448-1463).在线发布日期：2022年1月1日.

    https://doi.org/10.109/TSP.2022.3156731

  • 郭伟,卢·Y,秦J和严M. (2021). 一种基于误差函数的稀疏恢复正则化方法.科学计算杂志.87:1.在线发布日期：2021年4月1日.

    https://doi.org/10.1007/s10915-021-01443-w网址

  • 康S,廖伟和刘毅. (2021). 识别符：识别具有数值时间演化的微分方程.科学计算杂志.87:1.在线发布日期：2021年4月1日.

    https://doi.org/10.1007/s10915-020-01404-9

  • Kim一世和崔J. 基于梯度寻踪的单比特ADC MmWave大规模MIMO系统信道估计2019年IEEE第30届个人、室内和移动无线通信（PIMRC）年度国际研讨会。(1-6).

    https://doi.org/10.109/PIMRC.2019.8904202

  • Kim一世和崔J. (2019). 基于梯度追踪的mmWave大容量MIMO系统信道估计.EURASIP无线通信与网络杂志.2019:1.在线发布日期：2019-02-28.

    https://doi.org/10.1186/s13638-019-1623-x网址

  • 张S和辛J. (2018). 最小化转换后的$$L_1$$L1罚款.数学编程：系列A和B.169:1.(307-336).在线发布日期：2018年5月1日.

    https://doi.org/10.1007/s10107-018-1236-x

  • 杨杰（Yang J）,杨毅（Yang Y）,廖G和雷氏B. (2018). 基于稀疏贝叶斯学习推理的互质阵超分辨波达方向估计算法.电路、系统和信号处理.37:5.(1907-1934).在线发布日期：2018年5月1日.

    https://doi.org/10.1007/s00034-017-0637-z

  • Bosse J公司和拉巴斯特O. (2018). 存在未分辨目标时匹配追踪的子空间抑制.IEEE信号处理汇刊.66:8.(1997-2010).在线发布日期：2018年4月1日.

    https://doi.org/10.109/TSP.2018.2795572

  • Hellebrand S公司,汉高J,Raghunathan甲和旺德利希H. (2018). 特邀编辑介绍.IEEE嵌入式系统信件.10:1.(1-1).在线发布日期：2018年3月1日.

    https://doi.org/10.1109/LES.2018.2789942

  • 卢·Y和严M. (2018). 通过邻近算子实现快速L1---L2最小化.科学计算杂志.74:2.(767-785).在线发布日期：2018年2月1日.

    https://doi.org/10.1007/s10915-017-0463-2

  • 陈S,Xi F公司和刘Z. (2018). 一种通用而有效的亚奈奎斯特雷达处理方案.信号处理.142：C.(206-211).在线发布日期：2018年1月1日.

    https://doi.org/10.1016/j.sigpro.2017.07.018

  • D月和杜阿尔特M. (2018). 基于K-median聚类的压缩参数估计.信号处理.142：C.(36-52).在线发布日期：2018年1月1日.

    https://doi.org/10.1016/j.sigpro.2017.07.003

  • 王D和张Z. (2017). 压缩传感的广义稀疏恢复模型及其神经动态优化方法.电路、系统和信号处理.36:11.(4326-4353).在线发布日期：2017年11月1日.

    https://doi.org/10.1007/s00034-017-0532-7

  • 太阳C,王B,方Y和宋体Z. (2017). 基于压缩传感的离网旋转目标窄带雷达成像.多维系统及信号处理.28:4.(1167-1181).在线发布日期：2017年10月1日.

    https://doi.org/10.1007/s11045-016-0384-5

  • 王菲,太阳G,李Z和何J. (2017). 压缩感知的选择顺序框架算法.信号处理.138：C.(121-128).在线发布日期：2017年9月1日.

    https://doi.org/10.1016/j.sigpro.2017.03.020

  • Xi F公司,陈S,张Y和刘Z. (2017). 基于插值阵列技术的无网格正交压缩采样.信号处理.133：C.(1-12).在线发布日期：2017年4月1日.

    https://doi.org/10.1016/j.sigpro.2016.10.10

  • 阿德科克B和汉森A. (2016). 广义采样与无限维压缩传感.计算数学基础.16:5.(1263-1323).在线发布日期：2016年10月1日.

    https://doi.org/10.1007/s10208-015-9276-6

  • 方J,王菲,沈Y,李浩和Blum R公司. (2016). 用于线谱估计的超分辨率压缩传感：一种迭代重加权方法.IEEE信号处理汇刊.64:18.(4649-4662).在线发布日期：2016年9月15日.

    https://doi.org/10.1109/TSP.2016.2572041

  • 丛Y,陈B,刘浩和酒B. (2016). 合成孔径雷达目标的非参数贝叶斯散射中心提取.IEEE信号处理汇刊.64:18.(4723-4736).在线发布日期：2016年9月15日.

    https://doi.org/10.109/TSP.2016.2569463

  • 卢·Y,阴P和辛J. (2016). 基于非凸$$L_1$$L1方法的点源超分辨率.科学计算杂志.68:3.(1082-1100).在线发布日期：2016年9月1日.

    https://doi.org/10.1007/s10915-016-0169-x

  • 杨Z和谢莉. (2016). 通过重加权原子范数最小化提高稀疏性和分辨率.IEEE信号处理汇刊.64:4.(995-1006).在线发布日期：2016年2月1日.

    https://doi.org/10.109/TSP.2015.2493987

  • 廖文静. (2015). 多维谱估计的MUSIC：稳定性和超分辨率.IEEE信号处理汇刊.63:23.(6395-6406).在线发布日期：2015年12月1日.

    https://doi.org/10.109/TSP.2015.2463255

  • 米什拉K,明珠,克鲁格A和徐伟宇（Weiyu Xu）. (2015). 先验知识下的谱超分辨.IEEE信号处理汇刊.63:20.(5342-5357).在线发布日期：2015年10月1日.

    https://doi.org/10.109/TSP.2015.2452223

  • 杜瓦尔五世和佩雷G. (2015). 稀疏尖峰反褶积的精确支持度恢复.计算数学基础.15:5.(1315-1355).在线发布日期：2015年10月1日.

    https://doi.org/10.1007/s10208-014-9228-6

  • 卢·Y,阴P,何Q和辛J. (2015). 基于L1和L2差异计算高相干词典中的稀疏表示.科学计算杂志.64:1.(178-196).在线发布日期：2015年7月1日.

    https://doi.org/10.1007/s10915-014-9930-1

  • 宰阳和谢丽华. (2015). 完全和不完全数据线谱估计的无网格稀疏方法.IEEE信号处理汇刊.63:12.(3139-3153).在线发布日期：2015年6月1日.

    https://doi.org/10.109/TSP.2015.2420541

  • Fyhn K公司,Duarte M公司和延森S. (2015). 基于极坐标插值的稀疏平移不变信号压缩参数估计.IEEE信号处理汇刊.63:4.(870-881).在线发布日期：2015年2月1日.

    https://doi.org/10.109/TSP.2014.2385035