بکارگیری برنامه‌ریزی درجه دوم متوالی و نُرم صفر هموار شده برای بازیابی سیگنال‌ های تُنک نویزدار

نمایش تُنُک کاربردهای زیادی در پردازش سیگنال و تصویر دارد که از آن جمله می‌توان به کاربرد در بازسازی تصاویر پزشکی، تقویت و فشرده‌سازی تصاویر، جداسازی سیگنال، پردازش سیگنال آرایه و رادار اشاره کرد. این مهم سبب شده تا محققان از انواع روش‌های نمایش تُنُک بهرمند و در جهت حل مسائل بهینه‌سازی از نرم‌های مختلف استفاده نمایند. در این مقاله ابتدا روش‌های مختلف حل نمایش تُنُک بررسی می‌شوند و در ادامه روشی جدید و کارا برای بازیابی سیگنال‌های تُنک نویزدار با بهرمندی از برنامه‌ریزی درجه دوم متوالی و نُرم صفر هموارشده ارائه می‌شود. نتایج آزمایشات انجام شده، نرخ موفقیت بالای روش پیشنهادی در مقایسه با سایر روش‌های بهینه‌سازی نمایش تُنُک را نشان می‌دهد. 

applying sequential quadratic programming and smoothed l0 norm for recovery of noisy sparse signal

sparse representation has many applications in signal and image processing, including applications in medical image reconstruction, image enhancement and compression, signal separation, array and radar signal processing. this importance has caused the researchers to benefit from a variety of sparse representation method and to use different norms to solve optimization problems. in this article, firstly, different methods of solving the sparse representation are reviewed, and then a new and efficient method is presented to recover noisy sparse signals with the benefit of sequential quadratic programming and smoothed l0 norm. the results of the experiments show the high success rate of the proposed method compared to other sparse representation optimization methods.