Consistency of l1 recovery from noisy deterministic measurements.
Langue
en
Article de revue
Ce document a été publié dans
Applied and Computational Harmonic Analysis. 2013
Elsevier
Résumé
Dans cet article est présenté un nouveau résultat de reconstruction de vecteurs parcimonieux à partir de mesures linéaires déterministes en présence de bruit. Le modèle de vecteur parcimonieux utilisé est celui de p-sparse ...Lire la suite >
Dans cet article est présenté un nouveau résultat de reconstruction de vecteurs parcimonieux à partir de mesures linéaires déterministes en présence de bruit. Le modèle de vecteur parcimonieux utilisé est celui de p-sparse model proposé par Candès et al. Le résultat principal assure la consistance de la minimisation l_1 avec grande probabilité, ce premier résultat est ensuite étendu aux vecteurs compressibles.< Réduire
Résumé en anglais
In this paper a new result of recovery of sparse vectors from deterministic and noisy measurements by l1 minimization is given. The sparse vector is randomly chosen and follows a generic p-sparse model introduced by Candès ...Lire la suite >
In this paper a new result of recovery of sparse vectors from deterministic and noisy measurements by l1 minimization is given. The sparse vector is randomly chosen and follows a generic p-sparse model introduced by Candès and al. [1]. The main theorem ensures consistency of l1 minimization with high probability. This first result is secondly extended to compressible vectors.< Réduire
Origine
Importé de halUnités de recherche