1-bit压缩感知相关论文
稀疏优化问题在图像处理、压缩感知、机器学习等领域有着广泛的应用.众所周知,无论在理论还是算法方面,l1-极小化问题都是研究稀疏......
近几年来出现的压缩感知理论对具有稀疏特性的信号的采样速率可以远远低于其奈奎斯特采样率。然而在实际应用中，如果要想使得重构信......
压缩感知是一种新兴的信号处理理论,压缩感知可实现对信号压缩、采样同步进行,而1-Bit压缩感知对观测值进行了极限量化,有效降低了......
1-Bit压缩感知问题考虑从信号测量的符号恢复原始的稀疏信号,由于获得的信息损失了信号的模长,因此无法直接通过测量矩阵和测量信......
压缩感知（Compressed Sensing，CS）理论是近几年比较热门的研究方向之一，对某些具有稀疏特性的原始信号，可以通过个数远小于信号长度的观......
压缩感知(Compressed Sensing，CS)是信号处理领域的新的研究方向，集信号的压缩和采样于一体的理论.它可以克服传统采样需要满足奈奎......
针对现行1-bit压缩感知硬判决算法在高误码环境下对弱信号重构性能较差的问题,提出一种基于位置信息的重构算法。首先将测量数据分......
1-bit压缩感知理论指出：对稀疏信号进行少量线性投影并对投影信号进行1-bit量化,该1-bit信号包含足够的信息,从而能对原始信号进行......
在1-Bit压缩感知(compressive sensing,CS)框架下,将信号的稀疏结构先验引入广义稀疏Bayesian学习(generalized sparse Bayesian l......
针对1-bit压缩感知音频传输存在重构精度与音频质量较差的问题,提出稀疏音频信号特征信息辅助的1-bit重构的方法。发送端利用稀疏......
1-Bit压缩感知作为压缩感知理论的重要分支,在原有理论的基础上进一步简化,在量化时仅保留测量值的符号,并能由此重构信号,使采样......
传统信号处理理论中,采样过程需遵循奈奎斯特(Nyqusit)采样定理,即采样频率至少是信号带宽的两倍,然而,随着信息需求量的日益增加,......
1-Bit压缩感知(CS)是压缩感知理论的一个重要分支。该领域中二进制迭代硬阈值(BIHT)算法重构精度高且一致性好,是一种有效的重构算......
近年来压缩感知CS(Compressive Sensing)研究取得了很大进步,并被广泛利用到信息论、模式识别、雷达成像、信号处理,图像处理以及......
压缩感知（Compressive Sensing，CS）理论利用信号稀疏特性，克服了传统的奈奎斯特采样的限制，实现了信号的压缩、采样同时进行。该理论被......
针对二进制迭代硬阈值(BIHT)算法中固定的量化阈值在一定程度上限制了该算法重构性能的问题,提出了一种基于自适应阈值的二进制迭......
