文献

J-GLOBAL ID：201802265769788803   整理番号：18A0682912

列相関の最適化により,ガウス測定行列を最適化した。【JST・京大機械翻訳】

Optimize Measurement of Gaussian Matrix Based on Column Correlation

著者 (3件)： Bian Shengqin (北京科技大学自動化学院,北京 100083;北京科技大学計算机与通信工程学院,北京 100083) ,  Xu Zhengguang (北京科技大学自動化学院,北京,100083) ,  Zhang Lixin (北京科技大学自動化学院,北京,100083)
資料名： Jisuanji Celiang yu Kongzhi  (Jisuanji Celiang yu Kongzhi)
巻： 25  号： 11  ページ： 141-145  発行年： 2017年 
JST資料番号： C3592A  ISSN： 1671-4598  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 信号再構成の精度とスパース性の適用範囲を改良するために,測定マトリックスとスパース変換マトリックスの間の相関を減少するために,新しい測定マトリックス最適化方法を提案した。最初に,Gramマトリックスを,測定マトリックスとスパース変換マトリックスの積によって構築した。Gramマトリックスの次元によって,相互相関関数の下の境界,すなわち,Welch境界を計算した。次に,Welch境界により閾値を決定し,Gram行列における閾値より大きい非対角要素を縮小した。次に,新しいGramマトリックスとスパース変換マトリックスを用いて,測定マトリックスを逆に解き,反復性を更新し,相関行列を減少させ,測定マトリックスを最適化した。実験結果は以下を示す。Welchの最適化測定マトリックスにより,圧縮センシング行列の相関を最大にすることができ,OMPアルゴリズムの性能を改善することができ,例えば,誤差率が10~0.9のとき,元のGaussランダム行列は23の観測値を必要とし,アルゴリズムの最適化後に16の観測値を必要とする。Elad、Zhaoなどの観測行列最適化方法に対して、提案したアルゴリズムはより小さい再構成誤差があり、性能と安定性もやや向上した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 透視図法 ,  相互相関関数 ,  再構成 ,  最適化手法 ,  *最適化 ,  ランダム行列 ,  アルゴリズム
準シソーラス用語： 圧縮センシング ,  相関行列 ,  変換行列 ,  適用範囲 ,  スパース性 ,  信号再構成 , 【Automatic Indexing@JST】

著者キーワード (4件)： compressive sensing (CS) ,  projection matrix ,  mutual coherence ,  signal reconstruction

分類 (2件)： 信号理論  (ND02020G) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 相関 ,  最適化 ,  ガウス ,  行列