An Improved Sufficient Condition for Sparse Signal Recovery With Minimization of L1-L2

主讲人：温金明

摘要：The  L1-L2-minimization is widely used to stably recover a  K-sparse signal x from its low dimensional measurements  y=Ax+v, where A is a measurement matrix and  v is a noise vector. In this paper, we show that if the mutual coherence µ of A satisfies  , then any  K-sparse signal  can be stably recovered via the  L1-L2-minimization. As far as we know, this is the best mutual coherence based sufficient condition of stably recovering K-sparse signals with the  L1-L2-minimization.

主讲人简介：温金明，暨南大学教授、博导、国家高层次青年人才、广东省青年珠江学者；2015年6月毕业于加拿大麦吉尔大学数学与统计学院，获哲学博士学位。从2015年3月到2018年8月，温博士先后在法国科学院里昂并行计算实验室、加拿大阿尔伯塔大学、多伦多大学从事博士后研究工作。他的研究方向主要是整数信号和稀疏信号恢复的算法设计与理论分析。他以第一作者/通讯作者在Applied and Computational Harmonic Analysis、IEEE Transactions on Information Theory、 IEEE Transactions on Signal Processing等顶级期刊和会议发表近40篇学术论文。

邀请人：李东方

时间：2022年6月10日（星期五）18:30-20:30

地点：腾讯会议室     ID:279940597