Normalisasi untuk Compressive Sensing

Terdapat banyak aplikasi dari Compressive Sensing, termasuk dalam citra medis di mana penguranan hasil pengukuran dalam mengurangi waktu akuisisi citra, biaya proses citra di mana pengambilan pengukuran tinggi  dan jaringan sensor, di mana jumlah sensor bisa terbatas.
Karena jumlah pengukuran M jauh lebih kecil dari jumlah koefisien yang tak diketahui w, sinyal asal tidak bisa diperolah secara langsung dari pengukuran. Invers dari persamaan pertama dan kedua dibutuhkan, yang mana merupakan permasalahan yang penuh masalah.
Oleh karena itu, Compressive Sensing menggabungkan sebuah mekanisme rekonstruksi untuk memperoleh sinyal asal.
Dengan mendayagunakan kerenggangan w, permasalahan invers dibuat biasa dengan membatasi norm l_0 dari w, ||w||_0, yang mana setara dengan jumlah bagian bukan nol dalam w. sebuah perkiraan pada sinyal asal kemudian diperoleh dengan memecahkan permasalahan optimasi berikut:
Pers 3.
\hat w=argmin_w \{||y-\Phi w||_2^2+\tau||w||_0\}
Permasalahan optimisasi ini termasul NP hard; sehingga, beberapa penyederhanaan digunakan. Penyederhanaan yang paling umum digunakan adalah menggunakan normalisasi l_1 dari pada normalisasi l_0, sehingga optimisasi menjadi
Persamaan 4.
\hat w=argmin_w \{||y-\Phi w||_2^2+\tau||w||_1\}
Dimana ||\bullet||_1 menggambarkan norm l_1.

Leave a Reply

Your email address will not be published. Required fields are marked *

*

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <strike> <strong>