压缩感知理论与应用 以色列约琳娜·C.埃尔达Yonina C. Eldar 等 著 梁栋 王海峰 等 译

图书标准信息

• 作者 [以色列]约琳娜·C.埃尔达（Yonina C. Eldar）
• 出版社 机械工业出版社
• 出版时间 2018-09
• 版次 1
• ISBN 9787111612643
• 定价 129.00元
• 装帧 平装
• 开本 其他
• 页数 418页
• 字数 671千字

【内容简介】

压缩感知是一个令人振奋、发展迅速的领域，在电气工程、应用数学、统计学和计算机科学等领域引起了相当大的关注。自推出以来，已经取得了大量理论和实践方面的成果。本书首先重点介绍了新近的理论进展和一系列应用，并概述了许多目前的研究挑战。接着，在全面回顾了基本理论之后，介绍了该领域的许多前沿进展，包括优选的信号建模、模拟信号的亚奈奎斯特采样、硬件原型、随机矩阵的非渐近分析、自适应感知、贪婪算法、图模型的使用，以及形态上不同数据成分的分离。本书每一章都是由该领域靠前知名的研究人员编写的。

【作者简介】

Yonina C. Eldar是以色列理工学院电子工程系教授（爱德华兹工程主席），麻省理工学院电子研究实验室研究员，斯坦福大学客座教授，导师为信号处理领域的先驱——奥本海姆。她在研究和教学方面已获得众多很好奖励，包括沃尔夫基金科研奖、赫谢尔•里奇创新奖、罗斯柴尔德基金会的迈克尔•布鲁诺纪念奖、魏斯曼科学奖，以及穆里尔和大卫•杰克诺很好教学奖。她是IEEE期刊《信号处理的基础和趋势》的主编，信号处理和数学领域等几个期刊的副主编，是信号处理方面的很好教授、IEEE会士、以色列青年科学与人文科学院和以色列高等教育委员会的成员。Gitta Kutyniok是德国柏林理工大学数学系的爱因斯坦教授，曾任普林斯顿大学、斯坦福大学和耶鲁大学的博士后研究员，德国奥斯纳布吕克大学的全职教授。她的研究和教学得到了各种奖项的认可，包括德国海森堡奖学金、冯•凯文奖、爱因斯坦基金会的爱因斯坦主席奖，以及韦尔斯特拉杰出教学奖，她是应用数学领域多个期刊的副主编。

【目录】

译者序原书前言压缩感知简介引言 向量空间综述赋范向量空间基底和框架低维信号模型稀疏模型子空间的有限集合模拟信号模型的子空间集合低秩矩阵模型流形和参数模型感知矩阵零空间条件约束等距性质（RIP）相干性构造感知矩阵  1.5基于 最小化方法的信号重建1.5.1 不含噪声的信号重建1.5.2 含噪声的信号重建1.5.3 情况-最优保证条件问题1.5.4 正轴形与相位变化  1.6 信号重建算法  1.7 多维测量向量  1.8 总结  附录 章的证明A.1 定理1.4的证明A.2 引理1.3的证明A.3 引理1.6的证明A.4 定理1.13的证明  参考文献第二代稀疏建模：结构化和协作信号分析  2.1 引言  2.2 图像复原的逆问题2.2.1 传统稀疏建模2.2.2 结构化稀疏建模2.2.3 实验结果  2.3 用结构和协作模型鉴别和分离源2.3.1 分组Lasso2.3.2 分层Lasso2.3.3 协作分层Lasso2.3.4 实验结果  2.4 总结  参考文献Xampling：模拟信号的压缩感知  3.1 引言  3.2 从子空间到联合空间  3.3 Xampling3.3.1 子空间联合3.3.2 架构  3.4 稀疏平移不变框架3.4.1 平移不变子空间中的采样3.4.2 SI子空间的稀疏联合3.4.3 无限测量模型和连续有限测量模型  3.5 从理论到多频段采样的硬件3.5.1 信号模型和稀疏SI公式3.5.2 通过不均匀采样的模拟压缩感知3.5.3 建模实用的ADC器件3.5.4 调制宽带转换器3.5.5 硬件设计3.5.6 亚奈奎斯特信号处理  3.6有限新息率信号3.6.1 模拟信号模型3.6.2 压缩信号采集3.6.3 恢复算法  3.7 新息信号序列3.7.1 模拟信号模型3.7.2 压缩信号采集3.7.3 恢复算法3.7.4 应用  3.8 联合建模与有限离散化3.8.1 随机解调器3.8.2 有限模型灵敏度3.8.3 硬件复杂度3.8.4 计算负载3.8.5 模拟与离散CS雷达  3.9 讨论3.9.1 将CS扩展到模拟信号3.9.2 CS是否是一个通用采样方案3.9.3 总结  参考文献新息率采样：理论和应用  4.1 引言4.1.1 采样方案4.1.2 FRI历史4.1.3 本章概览4.1.4 符号和约定  4.2有限新息率信号4.2.1 FRI信号定义4.2.2 FRI信号例子  4.3无噪声环境中FRI信号的采样与恢复4.3.1使用sinc核进行采样4.3.2 使用加和的sinc核进行采样4.3.3 使用指数生成核进行采样4.3.4 多通道采样  4.4噪声对FRI恢复的影响4.4.1 连续时间噪声下的性能界限4.4.2 采样噪声下的性能界限4.4.3提高采样噪声鲁棒性的FRI技术  4.5 仿真4.5.1无噪声环境下的采样和重建4.5.2 噪声环境下的采样和重建4.5.3 周期FRI信号与半周期FRI信号  4.6 扩展和应用4.6.1 采样分段正弦信号4.6.2 信号压缩4.6.3 超分辨率成像4.6.4 超声成像4.6.5 多径介质识别4.6.6 超分辨率雷达  附录 Cramér-Rao界限推导  参考文献随机矩阵的非渐近分析  5.1 引言5.1.1渐近和非渐近的体系5.1.2高矩阵是近似等距同构的5.1.3模型和方法5.1.4 应用5.1.5 相关资源  5.2 预备知识5.2.1 矩阵及其奇异值5.2.2 网络5.2.3 亚高斯随机变量5.2.4 亚指数随机变量5.2.5 各向同性随机向量5.2.6 独立随机矩阵的求和  5.3 具有独立元素的随机矩阵5.3.1 极限定理和高斯矩阵5.3.2 具有独立元素的一般随机矩阵  5.4具有独立行的随机矩阵5.4.1 亚高斯行5.4.2 重尾行5.4.3 应用：估算协方差矩阵5.4.4 应用：随机子矩阵和子框架  5.5 具有独立列的随机矩阵5.5.1 亚高斯列5.5.2 重尾列5.6 约束等距同构  5.6.1 亚高斯约束等距同构  5.6.2 重尾约束等距同构5.7 注释参考文献自适应感知的稀疏重建  6.1 引言6.1.1去噪6.1.2逆问题6.1.3贝叶斯的角度6.1.4结构稀疏性  6.2贝叶斯自适应感知6.2.1使用一个简单生成模型进行贝叶斯推理6.2.2使用多成分模型进行贝叶斯推理6.2.3量化性能  6.3准贝叶斯自适应感知6.3.1用非自适应测量去噪6.3.2蒸馏感知6.3.3压缩感知中的蒸馏法  6.4 相关工作和进一步阅读的建议  参考文献压缩感知的基本阈值方法：一种高维几何方法  7.1 引言7.1.1  l_1最小化鲁棒性的阈值边界7.1.2 加权和迭代重加权l_1最小化阈值7.1.3 与其他阈值边界的比较7.1.4 高维几何的一些概念7.1.5 组织结构  7.2 零空间特征  7.3 零空间特征的Grassmann角框架  7.4 评估阈值界限ζ  7.5 内角指数的计算7.6 外角指数的计算7.7ρ_N (δ,C)的存在性与缩放7.8 弱、部分和强鲁棒性7.9 ζ界限的数值计算7.10 加权l_1最小化的恢复阈值7.11 近似支撑恢复和迭代重加权l_17.12 总结7.13 附录7.13.1 内角的推导7.13.2 外角的推导7.13.3 引理7.7的证明7.13.4 引理7.8的证明参考文献压缩感知贪婪算法  8.1贪婪算法，凸集最优化的一个灵活替代算法  8.2贪婪追踪8.2.1基本框架8.2.2系数更新变型8.2.3 元素选择的几种变型8.2.4 计算8.2.5 性能保证8.2.6 经验比较  8.3 阈值类算法8.3.1迭代硬阈值8.3.2压缩采样匹配追踪和子空