Benutzer: Gast  Login
Originaltitel:
Algorithms for Robust and Fast Sparse Recovery 
Originaluntertitel:
New Approaches Towards the Noise Folding Problem and the Big Data Challenge 
Übersetzter Titel:
Algorithmen für robustes und schnelles Sparse Recovery 
Übersetzter Untertitel:
Neue Ansätze zum Noise Folding Problem und der Big Data Herausforderung 
Jahr:
2016 
Dokumenttyp:
Dissertation 
Institution:
Fakultät für Mathematik 
Betreuer:
Fornasier, Massimo (Prof. Dr.) 
Gutachter:
Fornasier, Massimo (Prof. Dr.); Rauhut, Holger (Prof. Dr.); Zhu, Xiaoxiang (Prof. Dr.) 
Sprache:
en 
Fachgebiet:
MAT Mathematik 
Stichworte:
sparse recovery, compressed sensing, iteratively reweighted least squares, parallelization 
Übersetzte Stichworte:
Sparse Recovery, Compressed Sensing, iterativ-neugewichtete kleinste Quadrate, Parallelisierung 
TU-Systematik:
MAT 650d; MAT 490d 
Kurzfassung:
We analyze and numerically validate novel algorithms for sparse recovery in mathematical signal processing. Our focus is on enhancing both robustness and efficiency with respect to state-of-the-art. Regarding robustness, we propose non-convex formulations of sparse recovery problems, featuring enhanced signal identification properties if the original signal is affected by noise prior to measurements. We address improving efficiency by introducing and analyzing an iteratively re-weighted least sq...    »
 
Übersetzte Kurzfassung:
Wir analysieren und validieren numerisch neue Algorithmen für Sparse Recovery in mathematischer Signalverarbeitung. Unser Fokus liegt auf der Verbesserung von Robustheit und Effizienz bezüglich des State of the Art. Hinsichtlich der Robustheit schlagen wir nicht-konvexe Formulierungen von Sparse Recovery Problemen vor, welche verbesserte Signalidentifizierungseigenschaften aufweisen, wenn das ursprüngliche Signal durch Rauschen vor der Messung gestört ist. Wir behandeln die verbesserte Effizienz...    »
 
Mündliche Prüfung:
24.10.2016 
Dateigröße:
3953213 bytes 
Seiten:
242 
Letzte Änderung:
07.11.2016