GraHTP：一种用于稀疏相位检索的可证类牛顿算法
GraHTP: A Provable Newton-like Algorithm for Sparse Phase Retrieval
AI总结：
该研究针对复感知向量的稀疏相位检索问题，提出理论可证、效率高的非凸算法GraHTP，其有限次迭代后达二次收敛且每次迭代计算复杂度低，数值实验显示其性能优于现有最优算法。
摘要：
本文研究稀疏相位检索问题，该问题旨在从二次测量系统中恢复稀疏信号。在这项工作中，我们提出一种名为梯度硬阈值追踪（Gradient Hard Thresholding Pursuit，GraHTP）的新型非凸算法，用于处理具有复感知向量的稀疏相位检索问题。GraHTP具有理论可证性且效率极高，在有限次迭代后可达到二次收敛速率，同时每次迭代的计算复杂度较低。数值实验进一步证明，与现有最优算法相比，GraHTP的性能更优。
英文摘要：
This paper investigates the sparse phase retrieval problem, which aims to recover a sparse signal from a system of quadratic measurements. In this work, we propose a novel non-convex algorithm, termed Gradient Hard Thresholding Pursuit (GraHTP), for sparse phase retrieval with complex sensing vectors. GraHTP is theoretically provable and exhibits high efficiency, achieving a quadratic convergence rate after a finite number of iterations, while maintaining low computational complexity per iteration. Numerical experiments further demonstrate GraHTP's superior performance compared to state-of-the-art algorithms.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
