固定时间梯度流在l1-l2范数中的稀疏重构

摘要 压缩感知（compressed sensing，CS）是一种全新的信号采样技术，对于稀疏信号，它能够以远小于传统的Nyquist采样定理的采样点来重构信号。在压缩感知中， 采用动态连续系统，对l1-l2范数的稀疏信号重构问题进行了研究。提出了一种基于固定时间梯度流的稀疏信号重构算法，证明了该算法在Lyapunov意义上的稳定性并且收敛于问题的最优解。最后通过与现有的投影神经网络算法的对比，体现了该算法的可行性以及在收敛速度上的优势