基于神经网络的压缩感知优化Toeplitz测量矩阵

压缩感测在某些域中利用信号,从而使整个信号有效从相对较少的测量结果中获取和重建。 Toeplitz矩阵在以下方面具有更多优势高斯随机矩阵的数据量和计算量,但与高斯矩阵相差甚远在信号重建的性能上。 本文采用并优化了Toeplitz矩阵基于人工神经网络(ANN)的机器学习。 实验结果证明提出的优化方法,与高斯随机矩阵和原始矩阵,优化后的矩阵可以减少数据量并提高CS的性能。 与此同时。