文献

J-GLOBAL ID：201302294648654667   整理番号：13A1095426

事前情報による圧縮センシング:l1最小化における再構成の要求および確率

Compressive Sensing With Prior Information: Requirements and Probabilities of Reconstruction in l₁-Minimization

著者 (3件)： MIOSSO C.J. (Univ. Brasilia at Gama, Gama, BRA) ,  VON BORRIES R. (Univ. Texas at El Paso, TX, USA) ,  PIERLUISSI J.H. (Univ. Texas at El Paso, TX, USA)
資料名： IEEE Transactions on Signal Processing  (IEEE Transactions on Signal Processing)
巻： 61  号： 9/12  ページ： 2150-2164  発行年： 2013年05月01日 
JST資料番号： C0228A  ISSN： 1053-587X  CODEN： ITPRED  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 圧縮センシングにおいて,再構成の段階で測定数を低減する信号のスパース表現支援に関する事前情報の理論的背景は,l0最小化に基づくが,これは組合せ論的複雑性に導く。本論文では,事前情報によるより実際的なl1最小化を用いた場合の信号再構成に対する条件を分析した。事前情報を支援するときl1最小化により再構成できるスパース表現をもつ信号に対する必要十分条件を構築した。再構成の確率の下界が,事前情報集合における支援位置数による増加を数学的に証明し,特定条件下の再構成の最終確率に対する表現を得た。既知領域でスパース表現をもつ信号を事前情報をもつl1最小化のアプローチを用いて再構成する数値シミュレーションを行った。スパース表現の支援において得られる情報の増加による曖昧再構成に対して必要な線形測定数の低減を観察した。種々の既知支援位置数に対して,モンテカルロシミュレーションにより推定した経験的確率は,理論モデルと整合した。

シソーラス用語： *知識 ,  *信号再生 ,  *信号標本化 ,  再構成 ,  データ表現 ,  集合 ,  シミュレーション ,  組合せ論
準シソーラス用語： スパース表現 ,  モンテカルロシミュレーション ,  *圧縮センシング ,  最小化 ,  *事前情報 ,  必要十分条件

分類 (1件)： 信号理論  (ND02020G)

タイトルに関連する用語 (5件)： 事前情報 ,  圧縮センシング ,  L1最小化 ,  再構成 ,  確率