使用平滑的L0范数算法恢复相关行稀疏信号

分布式压缩感知(DCS)是一个新兴的研究领域,它利用了信号内和信号间的相关性。 本文关注于稀疏信号的恢复,该稀疏信号可以被建模为在同一位置集具有不同非零系数的联合稀疏模型​​(JSM)2。 利用平滑的L0范数算法将非凸且难处理的混合L2,0范数优化问题转换为可解决的问题。 与一系列的单测量矢量问题相比,该方法可以充分利用信号间的相关性,从而获得更好的重建性能。 仿真结果表明,在无噪声和高噪声情况下,我们的算法均优于L1,1规范优化,并且与L1,2恢复相比,其对热噪声的鲁棒性更高。 此外,借助利用部分已知支持作为辅助信息的改进压缩感知(CS)的核心概念,我们还扩展了该算法,以解码根据JSM 1生成的相关行稀疏信号。