稀疏信息处理中的迭代分式阈值算法

在稀疏信息处理中,l0范数优化问题通常转化为l1范数优化问题来求解。但l1范数优化问题存在一些不足。为寻找一种更有效的求稀疏解的算法,首先构造一个新的收缩算子,其次证明该收缩算子是某非凸函数的邻近算子。然后用该非凸函数替代l0-范数,对新的优化问题用向前-向后分裂方法得到对应的迭代阈值算法-迭代分式阈值算法(IFTA)。仿真实验表明该算法(IFTA)在稀疏信号重构和高维变量选择中均有良好的表现。