Consistency of l1 recovery from noisy deterministic measurements.
Language
en
Article de revue
This item was published in
Applied and Computational Harmonic Analysis. 2013
Elsevier
Abstract
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 ...Read more >
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.Read less <
English Abstract
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 ...Read more >
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.Read less <
Origin
Hal imported