Goal-Oriented Source Coding using LDPC Codes for Compressed-Domain Image Classification
IMT Atlantique（大西洋电信学院）；CNRS（法国国家科学研究中心）；Lab-STICC（信息科学与信号处理实验室）
本文提出将 LDPC 码作为压缩图像的熵编码方案，使 GRU 可直接在码流上分类；实验表明其优于 Huffman 和 Arithmetic 编码且模型更小。
2025-03-15 cs.AI cs.CV cs.IT
Sequential Compressed Sensing
压缩感知允许仅使用少量随机测量来完美地恢复稀疏信号（或在某种基础上稀疏的信号）。压缩感知文献中的现有结果集中于通过界定给定信号稀疏度水平所需的样本数量来表征可实现的性能。然而，使用这些界限来最小化样本的数量需要未知信号的稀疏性的先验知识，或者近稀疏信号的衰减结构。此外，有一些流行的恢复方法，没有这样的界限是已知的。在本文中，我们研究了另一种情况下，观测序列。对于任何恢复方法，这意味着现在存在候选重建的序列。我们提出了一种方法来估计重建误差直接从样本本身，在这个序列中的每个候选人。该估计是通用的，因为它仅基于测量集合，而不是基于恢复方法或未知信号的任何假设的稀疏水平。有了这些估计，现在只要有合理的确定性，可以立即停止观察，或者精确或足够准确的重建。它们还提供了一种方法来获得“运行时”的恢复方法，否则缺乏先验的性能界限的保证。我们调查连续（如高斯）和离散（如伯努利）随机测量合奏，无论是精确稀疏和一般近稀疏信号，噪声和无噪声测量。
2010-03-01 cs.IT math.IT
Info-Greedy sequential adaptive compressed sensing
提出 Info-Greedy Sensing 自适应压缩感知框架，通过序贯选择最大化条件信息增益的测量，为 k-稀疏、高斯及 GMM 信号设计算法，并验证其性能与鲁棒性。
2015-02-02 cs.IT math.IT math.ST
On-Off Random Access Channels: A Compressed Sensing Framework
本文考虑一个简单的开关随机多址信道，其中n个用户在m个自由度上同时与一个接收机通信。每个用户以概率lambda发送，其中通常lambda n < m << n，并且接收器必须检测哪些用户发送。我们表明，当码本具有i.i.d.高斯项，检测哪些用户发送的是数学上等价于压缩感知中考虑的某种稀疏检测问题。使用最近的稀疏性结果，我们推导出这些通道的容量的上限和下限。我们发现，常见的稀疏检测算法，如套索和正交匹配追踪（OMP），可以用作易处理的多用户检测方案，并具有显着优于单用户检测的性能。这些方法确实实现了一定的抗远近效应，但在高信噪比（SNR）下，可能实现远低于最佳最大似然检测的能力。然后，我们提出了一种新的算法，称为顺序OMP，说明迭代检测结合功率排序或功率整形可以显着提高高信噪比的性能。顺序OMP类似于经典多址信道中的连续干扰消除。因此，我们的研究结果提供洞察随机接入信令的功率控制和多用户检测的作用。
2009-03-09 cs.IT math.IT
Secure and efficient compressed sensing based encryption with sparse matrices
在本文中，我们研究的安全性的压缩感知（CS）为基础的密码系统称为稀疏一次性感知（S-OTS）密码系统，加密的明文与稀疏的测量矩阵。为了构造秘密矩阵并在每次加密时更新它，双极密钥流和随机置换模式被用作密码原语，其可以由流密码的密钥流生成器获得。在测量矩阵中具有少量非零元素的情况下，S-OTS密码系统在存储器和计算成本方面实现了高效的CS加密。在安全性分析中，我们表明，S-OTS密码系统可以是不可区分的，只要每个明文具有恒定的能量，这形式化的计算安全性对密文攻击（COA）。此外，我们考虑了一个选择明文攻击（CPA）对S-OTS密码系统，它包括两个连续的阶段，密钥流和密钥恢复攻击。针对CPA下的密钥流恢复，我们证明了S-OTS密码系统可以以压倒性的高概率安全，因为对手需要区分大量的候选密钥流。最后，我们进行了信息论分析，表明S-OTS密码系统可以抵抗CPA下的密钥恢复，保证成功的概率是非常低的。总之，S-OTS密码系统可以在计算上安全地抵抗COA和两阶段CPA，同时提供CS加密的效率。
2019-11-05 cs.IT math.IT
Compressed Blind De-convolution
Boston University（波士顿大学）
假设信号x通过驱动k稀疏信号u通过任意未知的稳定离散线性时不变系统H来实现。这些类型的过程在反射地震学中自然出现。在本文中，我们感兴趣的几个问题：（a）盲反卷积：我们可以恢复过滤器$H$和稀疏信号$u$从噪声测量？(b)压缩感知：在传统意义上的压缩感知中，x是可压缩的吗？也就是说，x、u和H可以从稀疏的测量集合中重建。我们开发了新的L1最小化方法来解决这两种情况，并建立了充分条件的情况下，当未知系统H是自回归（即所有极点）的一个已知的顺序精确恢复。在压缩感测/采样设置中，证明了在u的支撑结构上在某些技术条件下可以从O（k log（n））测量值重建H和x。我们的主要思想是将x通过线性时不变系统G，并收集O（k log（n））的连续测量。适当地选择滤波器G，即其相关的Toeplitz矩阵满足RIP性质。我们开发了一种新的LP优化算法，并表明未知滤波器H和稀疏输入u都可以可靠地估计。
2010-01-25 cs.IT cs.LG math.IT
Compressed Sensing Based Channel Estimation for Movable Antenna Communications
针对可移动天线通信需由有限位置测量重构区域信道的问题，提出STRCS方法顺序估计角域多径FRI，以更低导频开销实现更高重构精度。
2023-06-07 cs.IT eess.SP math.IT
Zero-Delay Sequential Transmission of Markov Sources Over Burst Erasure Channels
本文研究了一种矢量马尔可夫信源在突发擦除信道上的零延迟序贯传输系统。在编码器处以因果方式压缩源向量的序列，并且在突发擦除信道上传输所得到的输出。要求目的地以零延迟重构每个源向量，但是在突发擦除期间或在突发擦除之后的长度为$W$的间隔中观察到的那些源序列不需要被重构。可实现的最小压缩率称为速率恢复函数。我们假设每个源向量是独立同分布采样的。跨越空间维度和跨越时间维度的静态一阶马尔可夫过程。对于离散源的无损恢复的情况下被认为是，和上界和下界的速率恢复函数的建立。这两个界限都可以表示为预测编码的速率加上至少与恢复窗口长度$W$成反比地减小的项。对于高斯-马尔可夫源和二次失真测度，当$W=0$。这些界限是一致的高分辨率限制。最后是另一个涉及i.i.d.的设置。高斯源的研究和速率恢复功能的特点是在这种情况下完全。
2014-10-09 cs.IT math.IT
Joint-sparse recovery from multiple measurements
联合稀疏恢复问题的目的是恢复，从压缩测量集，未知的稀疏矩阵与非零条目限制到一个子集的行。这是在压缩感知中广泛研究的单测量向量（SMV）问题的扩展。我们分析了两种类型的恢复算法的恢复属性。首先，我们表明，使用范数最小化的总和的恢复不能超过连续SMV使用$\ell_1$最小化的统一恢复率，并有问题，可以解决一种方法，但不能与其他。其次，我们分析了ReMBo算法的性能[M. Mishali和Y. Eldar，IEEE Trans. Sig.程序、56（2008）]结合$\ell_1$最小化，并且示出了随着进行更多的测量，恢复如何改善。从该分析可以得出，具有比非零行数更多的测量值不会提高潜在的理论恢复率。
2009-04-14 cs.IT math.IT
Sequential Information Guided Sensing
我们研究的顺序压缩感知中的信息的价值，通过表征的顺序信息引导传感在实际情况下，当信息是不准确的性能。特别地，我们假设信号分布通过具有估计的均值和协方差矩阵的高斯或高斯混合来参数化，并且我们可以通过噪声线性投影或使用一个稀疏向量来压缩测量，即，每次观察信号的一个条目。我们通过捕获条件熵（这也与不确定性的大小有关）以及由于不准确的信息而达到所需精度所需的额外功率，通过后验均值为信号估计器的偏差和方差建立了一组性能界限。在此基础上，我们进一步研究了如何基于直接样本或协方差草图估计协方差。数值算例也表明了信息贪婪感知算法的优越性能相比，他们的随机和非自适应同行。
2015-09-01 cs.IT math.IT math.ST
Random Permutation Codes: Lossless Source Coding of Non-Sequential Data
本文提出随机置换码（RPC）框架，将非顺序数据建模为组合随机变量，并给出其最优无损压缩速率及面向多重集、图和划分的编码算法。
2024-11-18 cs.IT eess.SP math.IT
Sequential adaptive elastic net approach for single-snapshot source localization
Aalto University（阿尔托大学）
本文提出了一种基于压缩波束形成（CBF）的单次快拍信号源波达方向（DoA）精确恢复算法。在CBF中，传统的传感器阵列信号模型被转换为欠定复值线性回归模型，稀疏信号恢复方法用于解决DOA发现问题。我们开发了一个复值路径加权弹性网（c-PW-WEN）算法，该算法在EN调谐参数值的路径（或网格）上的惩罚参数值的节点处找到解决方案。在c-PW-WEN算法的基础上，我们提出了一种基于c-PW-WEN算法的自适应加权EN（SAEN）算法。大量的仿真研究表明，SAEN提高了真正的支持的精确恢复的概率相比，传统的稀疏信号恢复方法，如拉索，弹性网或正交匹配追求在几个具有挑战性的多目标场景。SAEN的有效性是更明显的存在高度相互一致性。
2018-05-19 cs.IT cs.LG math.CV
MMV-Based Sequential AoA and AoD Estimation for Millimeter Wave MIMO Channels
毫米波（mmWave）多输入多输出（MIMO）信道在空间域中具有稀疏支持的事实激发了最近的基于压缩感知（CS）的mmWave信道估计方法，其中使用角度字典矩阵来量化到达角（AoA）和离开角（AoD）。然而，现有的基于CS的方法通常通过一级信道探测来获得估计结果，这有两个局限性：（i）需要高维字典和（ii）不可分辨的量化误差。这两个缺点是不可调和的;一个缺点的改善意味着另一个缺点的恶化。为了解决这些挑战，我们提出，在本文中，一个两阶段的方法来估计的AoA和AoD的毫米波信道。在所提出的方法中，信道估计任务分为两个阶段，阶段I和阶段II。具体地，在阶段I中，通过求解多测量向量（MMV）问题来估计AoA。在阶段II中，基于估计的AoA，接收探测器被设计为估计AoD。每一级中的角度字典的维数可以被减少，这反过来又大大降低了计算复杂性。然后，我们分析了所提出的方法的成功恢复概率（SRP），揭示了所提出的框架比现有的一阶段CS为基础的方法的优越性。通过在两个阶段之间执行资源分配，我们进一步提高了重建性能。我们还通过将原子范数最小化方法应用于所提出的两阶段方法的每个阶段，克服了现有技术中存在的无法解决的量化误差问题。仿真结果表明，所提出的两阶段方法的低复杂度的性能大大提高。
2022-04-16 cs.IT eess.SP math.IT
On the Fundamental Limits of Adaptive Sensing
假设我们可以顺序地获取n维向量x的任意线性测量，从而得到线性模型y = Ax + z，其中z表示测量噪声。如果已知信号是稀疏的，那么人们会期望下面的民间定理是正确的：选择一种自适应策略，根据先前观察到的情况巧妙地选择A的下一行，应该比非自适应策略做得好得多，非自适应策略提前设置A的行，因此不试图在观察之间学习任何关于信号的信息。本文证明了民间定理是错误的。我们证明了聪明的自适应策略和复杂的估计程序-无论多么棘手-经典的压缩采集/恢复方案提供的优势是，在一般情况下，最小。
2012-08-13 cs.IT math.IT math.ST
