×
黄建文;刘新玲;贾金平

加权\（\ell_r-\ell_1\）最小化的空空间属性。 （英语） Zbl 1525.94019号

国际小波多分辨率。信息处理。 21，第6号，文章ID 2350021，15 p.（2023）.
摘要：零空间属性（NSP）仅依赖于感测矩阵列空间的零空间，在稀疏信号恢复方面引起了许多兴趣。本文研究了加权\（\ell_r-\ell_1\）\（（r\in（0,1]）\）最小化的NSP。提出了加权最小（ell_r-\ell_1）NSP的几个版本，包括加权（ell_r-\ell_1\）NSP、加权稳定NSP、权重稳健NSP和加权稳健NSP，并得出了相关的重要结果。在这些NSP下，建立了加权极小化恢复（稀疏）信号的充分条件。此外，我们还证明了在某种程度上，加权稳定的NSP弱于限制等距性质（RIP）。我们得到的RIP条件比Z.Zhou先生[IEEE信号处理，Lett.29，479–483（2022；doi:10.10109/LSP.2022.3140709)].

MSC公司：

94甲12 信号理论（表征、重建、滤波等）
94A20型 信息与传播理论中的抽样理论
60E05型 概率分布：一般理论
91A28型 博弈论中的信号与通信

关键词：

压缩感知;null空格属性;加权\（\ell_r-\ell_1\）最小化;稀疏信号恢复
PDF格式BibTeX公司 XML格式引用
\textit{J.Huang}等人，《国际小波多分辨率》。信息处理。21，第6号，文章ID 2350021，15 p.（2023；Zbl 1525.94019）
全文： DOI程序

参考文献：

[1] Cai，Y.，块稀疏恢复和秩最小化的加权最小化方法，Ana。申请19（3）（2020）1-19。
[2] Cai，T.和Zhang，A.，多面体的稀疏表示与稀疏信号和低秩矩阵的恢复，IEEE Trans。《信息论》60（1）（2013）122-132·兹比尔1364.94114
[3] Candès，E.J.，《受限等距特性及其对压缩传感的影响》，C.R.Math。科学。Ser.巴黎。I346（9-10）（2008）589-592·Zbl 1153.94002号
[4] Chartrand，R.和Staneva，V.，《受限等距特性和非凸压缩传感》，《逆向问题》24（3）（2008）035020·Zbl 1143.94004号
[5] Cohen，A.、Dahmen，W.和DeVore，R.，《压缩传感和最佳项近似》，J.Amer。数学。Soc.22（1）（2009）211-231·Zbl 1206.94008号
[6] Eldar，Y.C.和Kutyniok，G.，《压缩传感：理论与应用》（剑桥大学出版社，2021年）。
[7] Foucart，S.和Lai，M.，通过对（0<q\leq1）的（ell_q）-最小化，欠定线性系统的最稀疏解，应用。计算。哈蒙。分析26（3）（2009）395-407·Zbl 1171.90014号
[8] Foucart，S.和Rauhut，H.，《压缩传感的数学导论》（Springer Science Business Media，2013）·Zbl 1315.94002号
[9] Gao，Y.，Han，X.和Ma，M.，基于秩零空间属性的低秩矩阵恢复，国际小波多分辨率。Inf.流程15（4）（2017）1750032·兹伯利1408.15018
[10] Gao，Y.，Peng，J.，Yue，S.和Zhao，Y..关于压缩感知中（0<q\leq1）的（l_q）-最小化的零空间性质，J.Funct。Spaces2015（2015）579853·Zbl 1366.94099号
[11] Ge，H.，Wen，J.和Chen，W.，截断极小化的零空间性质，IEEE信号处理。信函25（8）（2018）1261-1265。
[12] Huang，J.，Wang，J.、Zhang，F.、Wang，H.和Wang，W.，低阶矩阵稳定恢复的扰动分析，国际小波多分辨率。Inf.流程19（4）（2021）2050091·Zbl 1471.15012号
[13] 黄J.Huang，张F.Zhang，刘X.和王J.Wang，非凸加权r-范数减去1-范数的稀疏信号的稳定恢复，提交出版。
[14] Khajehnejad，M.A.、Xu，W.、Avestimehr，A.S.和Hassibi，B.，《利用先验信息进行稀疏恢复的加权（ell_1）最小化》，载于2009 IEEE Int.Symp。信息理论（IEEE，2009），第483-487页·Zbl 1392.94273号
[15] Lai，M.和Liu，Y.，多个测量向量稀疏恢复的零空间特性，应用。计算。哈蒙。分析30（3）（2011）402-406·Zbl 1228.65057号
[16] Lin，J.和Li，S.，适用于非凸（l_q）分析框架的限制（q）-等距性质，IEEE Trans。《信息论》62（8）（2016）4733-4747·Zbl 1359.94125号
[17] Mansour，H.和Saab，R.，使用零空间属性进行加权（ell_1）最小化的恢复分析，Appl。计算。哈蒙。分析43（1）（2017）23-38·Zbl 1384.94008号
[18] Wan，A.，通过（ell_p（0<p\leq1）最小化恢复稀疏信号的统一RIP条件，IEEE Trans。信号处理68（2020）5379-5394·Zbl 07591111号
[19] Wang，Y.和Yin，W.，通过迭代支持检测重建稀疏信号，SIAM J.Imag。科学3（3）（2010）462-491·Zbl 1206.68340号
[20] Wen，J.，Li，D.和Zhu，F.，通过（lp）最小化实现稀疏信号的稳定恢复，应用。计算。哈蒙。分析38（1）（2015）161-176·Zbl 1345.94020号
[21] Zhang，J.，Wang，J.和Wang，W.，通过混合（\ell_2/\ell_1）最小化对块解析压缩感知进行扰动分析，国际小波多分辨率。Inf.Process。14（4）（2016）1650026·Zbl 1366.94135号
[22] Zhang，R.和Li，S.，通过（ell_p）最小化恢复稀疏信号的最佳RIP界，应用。计算。哈蒙。分析47（3）（2019）566-584·Zbl 1422.94018号
[23] Zhang，J.和Zhang，S.，具有先验支持信息的块\（\ell_p-\ell_1\）最小化的恢复分析，Int J.Wavelets Multiresolut。Inf.流程20（4）（2022）2150057。https://doi.org/10.1142/S0219691321500570 ·Zbl 1493.90136号
[24] Zhou，Z.，构建非凸正则化的统一框架，IEEE信号处理。Lett.29（2022）479-483。
[25] Z.Zhou，加权（\ell_r-\ell_1）最小化方法的RIP分析，可在SSRN:https://ssrn.com/abstract=4030267。
[26] Zhou，S.，Xiu，N.，Wang，Y.，Kong，L.和Qi，H.，一种基于零空间的加权\（\ell_1\）最小化压缩传感方法，信息推理5（1）（2016）76-102·Zbl 1386.94050号
[27] Zhou，Z.和Yu，J.，压缩传感的一种新的非凸稀疏恢复方法，Front。申请。数学。统计数字5（2019）1-11。
[28] Zhou，Z.和Yu，J.，基于q-ratio约束最小奇异值的稀疏恢复，《信号处理》155（2019）247-258。
[29] 张，J.和张，S.，带先验支持信息的（ell_{1-2}）最小化的零空间性质，IEEE信号处理。Lett.28（2021）1779-1783年。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。