Publication

A low complexity orthogonal matching pursuit for sparse signal approximation with shift-invariant dictionaries

Pierre Vandergheynst
2009
Conference Papers

Résumé

We propose a variant of Orthogonal Matching Pursuit (OMP), called LoCOMP, for scalable sparse signal approximation. The algorithm is designed for shift- invariant signal dictionaries with localized atoms, such as time-frequency dictionaries, and achieves approximation performance comparable to OMP at a computational cost similar to Matching Pursuit. Numerical experiments with a large audio signal show that, compared to OMP and Gradient Pursuit, the proposed algorithm runs in over 500 less time while leaving the approximation error almost unchanged.

Source officielle

https://infoscience.epfl.ch/entities/publication/89b48923-9266-4309-b6d9-7261c1ee2dc0

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

A low complexity orthogonal matching pursuit for sparse signal approximation with shift-invariant dictionaries

Chattez avec Graph Search

Statistical Inference for Inverse Problems: From Sparsity-Based Methods to Neural Networks

The Sparsity of Cycle Spinning for Wavelet-Based Solutions of Linear Inverse Problems

Variational Methods For Continuous-Domain Inverse Problems: the Quest for the Sparsest Solution