基于神经动力学优化的压缩感知信号恢复方法.pdfVIP

下载本文档

7
0
约2.85万字
约 4页
2017-06-02 发布于北京
举报
版权申诉

基于神经动力学优化的压缩感知信号恢复方法.pdf

1、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于神经动力学优化的压缩感知信号恢复方法.pdf

第 32 卷第 8 期 Vol.32 No.8 计算机应用研究 2015 年8 月 Application Research of Computers Aug. 2015 基于神经动力学优化的压缩感知信号恢复方法熊飞，杨清山T (电子信息控制重点实验室，成都 61∞36) 摘要:针对稀疏信号的准确和实时恢复问题，提出了一种基于神经动力学优化的压缩感知信号恢复方法。通过引入反馈神经网络(recurrent neural network , RNN) 模型求解1 范数最小化优化问题，计算 RNN 的稳态解以恢 1 复稀疏信号。对不同方法的测试结采表明，提出的方法在恢复稀疏信号时所需的观测点数最少，并且可推广到压缩图像的恢复应用中，获得了更高的信嗓比。 RNN 模型也适合并行实现，通过GPU 并行计算获得了超过百倍的加速比。与传统的方法相比，所提出的方法不仅能够更加准确地恢复信号，并具有更强的实时处理能力。范数最小化关键词:压缩感知;稀疏信号;神经动力学优化;反馈神经网络; 1 1 : TN91 1. 7 文章编号: 1∞1-3695(2015)08-2551-03 申圄分类号文献标志码:A doi: 10. 3969/j. issn. 1∞1-3695.2015.08.075 Neurodynamic optimization method for recovery of compressive sensed signals Xiong Fei , Yang Qingshant (玩ience r.配h.rwlogy on Electro町I呐rmalion Control μbor耐厅，， Chengdu 61∞36 ， Chino) Abstract: Aiming at 由e prohlem of accurate and real-time recoveηfor sparse signals ，由is paper developed a neurodynamic optimization method to reconstructωmpressive sen盹d si伊als. By introducing recurrent neural network (RNN)ωsolve the 1 1 nonn minimization prohlem , the proposed method could recover sp缸回 signals hy co