Método Basado en Datos para una Recuperación Robusta en Sensado Compresivo de 1 Bit con la Penalización Cóncava Minimax

Con la llegada de datos a gran escala, la demanda de información está aumentando, lo que hace que la tecnología de muestreo de señales y los métodos de procesamiento digital sean particularmente importantes. La utilización del sensado compresivo de 1 bit en la recuperación dispersa ha atraído una atención significativa debido a su rentabilidad en la implementación de hardware y almacenamiento. En este documento, primero aprovechamos la penalización cóncava minimax equipada con los mínimos cuadrados para recuperar una señal verdadera de alta dimensión x∈Rp con k-esparcida a partir de mediciones de 1 bit de n dimensiones y discutimos la regularización combinando las penalizaciones no convexas que inducen la esparcidad. Además, ofrecemos un análisis de la complejidad del método con penalización cóncava minimax en ciertas condiciones y derivamos la teoría general para el modelo equipado con la familia de funciones no convexas que inducen la esparcidad. Luego, nuestro enfoque emplea un método tipo Newton impulsado por datos con pasos escalonados para resolver el método propuesto. Experimentos numéricos sobre datos sintetizados y reales verifican la competitividad del método propuesto.