基于神经动力学优化的压缩感知信号恢复方法.pdfVIP

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