一、研究人员

       赵云彬、罗智全、孟楠

二、研究项目

  1. “数据压缩与重构的新一代高性能计算方法”（12071307）国家自然科学基金资助

  2. “变量部分稀疏正则化算法设计与研究”(11771003) 国家自然科学基金资助

三、2020年期间项目研究进展

• 设计了一般的基于最优阈值技术的压缩感知算法，并证明了算法的收敛性和有效性，在压缩感知矩阵的设计位于行列比1/2左右，该类算法的数据重构和信号恢复能力领先于目前主流的算法。 论文（“Analysis of optimal thresholding algorithms for compressed sensing”） 投稿于Signal Processing。
• 设计了基于牛顿迭代的稀疏优化算法并应用于信号恢复，对该算法进行了理论和数值分析与实验，论文（“Newton-step-based hard thresholding algorithms for sparse signal recovery”）投稿于IEEE Tran. Signal Process. (一审修改完毕，二审阶段）
• 完成对经典的压缩感知著名算法IHT 和CoSaMP的理论改进，这项研究是对这两个算法目前存在的有效性瓶颈的一次理论上的突破， 极大拓宽了算法的有效域。 论文（“Improved RIP-based bounds for guaranteed performance of two compressed sensing algorithms”）投稿于IEEE Tran. Signal Process。