Spatial sparse sampling-based iterative optimization framework for GNSS Direct Position Estimation
针对GNSS直接位置估计中传统网格搜索计算量大的问题,提出基于空间稀疏采样的迭代优化框架,利用空间相干性和梯度,在保持精度的同时降低计算负载。
2026-09-10 eess.SP
A Fast Iterative Method for Removing Impulsive Noise from Sparse Signals
在本文中,我们提出了一种新的方法来重建被噪声污染的信号,信号和噪声都是稀疏的,但在不同的域。本文研究的问题出现在不同的应用中,如从图像,音频和视频中去除脉冲噪声,矩阵的低秩和稀疏分量的分解,以及从图像中分离文本。首先,我们提供了一个代价函数,然后提出了一个迭代方法来找到它的局部最小值。最后对算法进行了分析。作为这个问题的一个应用,我们应用我们的算法从图像中去除脉冲噪声(盐和胡椒噪声(SPN)和随机值脉冲噪声(RVIN)),并将我们的结果与文献中其他著名的算法进行比较。此外,我们将我们的算法用于从音频信号中去除点击。仿真结果表明,我们的算法是简单和快速的,它优于其他国家的最先进的方法在重建质量和/或复杂度。
2019-03-30 cs.MM eess.SP
An iterative coordinate descent algorithm to compute sparse low-rank approximations
University Politehnica of Bucharest(布加勒斯特理工大学);University of Bucharest(布加勒斯特大学)
在本文中,我们描述了一个新的算法,建立一些稀疏的主成分从一个给定的数据矩阵。我们的方法不显式地创建数据的协方差矩阵,并且可以被视为Kogbetliantz算法的扩展,以建立几个主成分的近似奇异值分解。我们展示了所提出的算法的性能,从文献中的各种数据集上恢复稀疏主成分,并进行降维分类应用。
2021-07-30 cs.DS cs.LG cs.NA
A stochastic computing architecture for iterative estimation
随机计算(SC)是数字电路容错计算的一个很有前途的候选者。我们提出了一种新的随机计算估计架构,允许解决一大组的估计问题,包括最小二乘估计以及稀疏估计。这允许利用随机计算的高容错性来实现估计算法。所提出的架构是基于最近提出的线性化Bregman为基础的稀疏Kaczmarz算法。为了实现这种结构,我们开发了一个收缩函数的随机计算和解析描述其错误概率。我们比较了随机计算架构的定点二进制实现,并提出了比特真的模拟结果以及合成结果,证明了所提出的架构的可行性,为实际实施。
2018-10-31 eess.SP
Iterative Regularization with k-support Norm: An Important Complement to Sparse Recovery
MBZUAI(穆罕默德·本·扎耶德人工智能大学);Nanjing University(南京大学);Jilin University(吉林大学)
提出基于k-support范数的迭代正则化算法IRKSN,通过早停机制实现稀疏恢复,放宽了传统$\ell_1$范数方法的适用条件,并给出了具有显式常数的模型误差早停界限,实现标准线性收敛率。
2024-03-19 cs.LG eess.SP math.OC
Generating Functional Analysis of Iterative Sparse Signal Recovery Algorithms with Divergence-Free Estimators
近似消息传递(AMP)是一种有效的线性系统模型迭代稀疏恢复算法。其性能的特点是状态演化(SE),这是一个简单的标量递归。然而,取决于测量矩阵集合,AMP可能面临收敛问题。为了避免这个问题,正交AMP(OAMP),它使用去相关线性估计和无发散的非线性估计,由Ma和Ping提出。他们还提供了OAMP的SE分析。在他们的SE分析中,做了以下两个假设:(i)去相关线性估计量的估计向量由i.i.d.零均值高斯条目独立的向量进行估计和(ii)估计向量的发散自由非线性估计包括独立同分布。独立于测量矩阵和噪声向量的条目。在本文中,我们得到了一个简单的标量递归来表征迭代稀疏恢复算法的发散自由估计没有这样的假设的独立的消息,通过使用生成泛函分析(GFA),这使我们能够研究的动力学在大系统极限的一个确切的方式。
2018-03-28 cs.IT eess.SP math.IT
An iterative Jacobi-like algorithm to compute a few sparse approximate eigenvectors
本文提出一种扩展自Jacobi方法的迭代算法,用于计算对称矩阵的少数极值特征对及其稀疏近似,在稀疏性与精度间实现权衡,并证明了其线性收敛性及在图傅里叶变换和图像分类中的有效性。
2025-09-14 cs.NA eess.SP math.NA
Low Complexity Iterative Receiver Design for Sparse Code Multiple Access
稀疏码多址接入(Sparse Code Multiple Access,SCMA)是未来5G通信中最有前途的非正交多址接入技术之一。与其他非正交多址接入技术如低密度签名(LDS)相比,SCMA由于其码字的成形增益而具有更好的性能。然而,尽管码字的稀疏性,由SCMA利用的当前消息传递算法(MPA)的解码复杂度仍然过高。本文通过对SCMA码字的格型结构的研究,提出了一种基于列表球译码(LSD)的低复杂度译码算法。LSD避免了对所有可能假设的穷举搜索,并且仅考虑超球体内的信号。由于LSD可以看作是一种深度优先的树搜索算法,我们进一步提出了几种方法来修剪冗余的访问节点,以减少搜索树的大小。仿真结果表明,该算法在性能损失较小的情况下,大大降低了译码复杂度。
2020-02-27 cs.IT eess.SP math.IT
Iterative Adaptively Regularized LASSO-ADMM Algorithm for CFAR Estimation of Sparse Signals: IAR-LASSO-ADMM-CFAR Algorithm
最小绝对收缩和选择算子(LASSO)是一种用于估计各种应用中出现的感兴趣的稀疏信号的正则化技术,并且可以通过交替方向乘法器(ADMM)有效地求解,这将被称为LASSO-ADMM算法。正则化参数的选择对LASSO-ADMM算法的性能有重要影响。然而,在现有的LASSO-ADMM算法的正则化参数的优化尚未得到解决。为了优化该正则化参数,通过迭代更新LASSO-ADMM算法中的正则化参数,提出了一种高效的迭代自适应正则化LASSO-ADMM(IAR-LASSO-ADMM)算法.此外,通过在LASSO-ADMM算法中加入外迭代,设计了一种迭代更新正则化参数的方法。具体地说,在每一次外部迭代中,利用内部LASSO-ADMM算法获得的估计的零支持来估计噪声方差,并且根据预定义的恒定虚警率(CFAR)利用噪声方差来更新阈值。然后,利用得到的阈值来更新估计的非零支持度和正则化参数,并进行下一次内部迭代。此外,设计了一个合适的停止准则,以终止外迭代过程,从而获得稀疏测量信号估计的最终非零支持。该算法被称为IAR-LASSO-ADMM-CFAR算法。仿真结果表明,所提出的IAR-LASSO-ADMM-CFAR算法在重建精度方面优于传统的LASSO-ADMM算法和其他现有算法,其稀疏阶估计比现有算法更精确。
2022-08-24 cs.IT eess.SP math.IT
Stability and Risk Bounds of Iterative Hard Thresholding
Baidu Research(百度研究院)
本文分析了广泛应用于稀疏恢复问题的迭代硬保偏(IHT)算法的推广性能。IHT的参数估计和稀疏恢复的一致性在压缩感知中早已为人所知。从统计学习的角度来看,另一个基本问题是IHT估计对未知数据的预测效果如何。本文在算法稳定性的概念下,通过引入一种新的IHT稀疏推广理论,对这个开放性问题做出了回答。我们的理论表明:1)在自然条件下,在$n$样本上的经验风险函数上,具有稀疏水平$k$的IHT在稀疏超额风险下具有$\mathcal{\tilde O}(n^{-1/2}\sqrt{k\log(n)\log(p)})$收敛速度,2)通过对假设的IHT过程施加额外的迭代稳定性条件,可以建立更紧的$\mathcal{\tilde O}(n^{-1/2}\sqrt{\log(n)})$界; 3)在适当的强信号条件下,强凸风险函数的$\mathcal{\tilde O}\left(n^{-1}k(\log^3(n)+\log(p))\right)$阶的快速收敛性.结果已被证实为稀疏线性回归和稀疏逻辑斯谛回归模型,以证明我们的理论的适用性。初步的数值证据证实了我们的理论预测。
2022-03-17 cs.LG eess.SP stat.ML
Sparse-DFT and WHT Precoding with Iterative Detection for Highly Frequency-Selective Channels
本文针对高频率选择性信道,研究了Sparse-DFT与WHT预编码结合迭代检测的方法,提出了基于Log-MAP和Max-Log-MAP的低复杂度SWH检测器,实验证明其在QPSK和16-QAM下性能与复杂度折衷更优。
2023-09-08 cs.IT eess.SP math.IT
Sparse Layered MIMO with Iterative Detection
在本文中,我们提出了一种新的传输方案,称为稀疏分层MIMO(SL-MIMO),结合非正交传输和奇异值分解(SVD)预编码。SL-MIMO的非正交性使得本征信道可以被重用,通过提高编码增益和分集增益,提高了系统的频谱效率和出错率性能。我们还提出了一个低复杂度的消息传递(MP)检测器的建议SL-MIMO系统,执行非常接近最大似然(ML)。通过计算有序特征值的联合矩母函数(MGF),得到了SL-MIMO系统平均字错误概率(AWEP)的上界表达式,并利用该表达式分析了系统的分集增益。我们使用我们的分析结果来设计次优码本,以最大限度地减少出错率的SL-MIMO系统。在4元、16元和64元星座的4 × 4和6 × 6多输入多输出(MIMO)系统中的仿真结果表明,我们提出的SL-MIMO方案在系统出错率性能方面优于竞争方法,如X和Y码。在具有64元星座的6x6 MIMO系统中,SL-MIMO与X码相比具有5.6dB的优势,与Y码相比具有4.7dB的优势。
2021-11-22 cs.IT eess.SP math.IT
Iterative Reduced-Rank MMSE Estimation of Sparse Range Profiles from Non-Contiguous Radar Transmission Spectra
University of Kansas(堪萨斯大学)
针对非连续雷达发射谱导致的欠定测量问题,提出基于边际Fisher信息准则的频谱设计方法和迭代降秩最小均方误差估计器,实现稀疏距离剖面的高效恢复。
2026-05-28 cs.SY eess.SP eess.SY