This dissertation studies the performance of convex and non-convex algorithms for randomized bilinear inverse problems. In particular, we examine algorithmic approaches based on convex relaxation for certain models of the blind deconvolution problem. These models are especially relevant for wireless communications. Moreover, this thesis analyses whether the required number of measurements can be reduced when additional information about the signals is available such as sparsity.
Übersetzte Kurzfassung:
Diese Dissertation untersucht die Leistungsfähigkeit von konvexen und nicht-konvexen Algorithmen für randomisierte bilineare inverse Probleme. Insbesondere werden algorithmische Ansätze für bestimmte Modelle des Problems der blinden Entfaltung betrachtet, welche auf konvexer Relaxation basieren. Diese Modelle sind insbesondere für die Nachrichtentechnik von Bedeutung. Des Weiteren wird in dieser Arbeit untersucht, ob die Anzahl der benötigten Messungen reduziert werden kann, falls zusätzliche Informationen über die Signale vorhanden sind wie etwa deren Dünnbesetztheit.
«
Diese Dissertation untersucht die Leistungsfähigkeit von konvexen und nicht-konvexen Algorithmen für randomisierte bilineare inverse Probleme. Insbesondere werden algorithmische Ansätze für bestimmte Modelle des Problems der blinden Entfaltung betrachtet, welche auf konvexer Relaxation basieren. Diese Modelle sind insbesondere für die Nachrichtentechnik von Bedeutung. Des Weiteren wird in dieser Arbeit untersucht, ob die Anzahl der benötigten Messungen reduziert werden kann, falls zusätzliche In...
»