Turbo Message Passing Algorithms for Structured Signal Recovery

این کتاب یک مطالعه جامع در مورد الگوریتم‌های ارسال پیام توربو برای بازیابی سیگنال ساختار یافته انجام می‌دهد، که در آن سیگنال‌های ساختاریافته در نظر گرفته شده شامل 1) یک بردار/ماتریس پراکنده (که مربوط به مشکل سنجش فشرده (CS) است)، 2) یک ماتریس با رتبه پایین (که مربوط به مسئله کمینه سازی رتبه نزدیک (ARM) است)، 3) مخلوطی از یک ماتریس پراکنده و یک ماتریس با رتبه پایین (که با مسئله تحلیل مؤلفه اصلی قوی (RPCA) مطابقت دارد). این کتاب به سه بخش تقسیم شده است. ابتدا، نویسندگان یک الگوریتم ارسال پیام توربو به نام Turbo-CS مبتنی بر نویز زدایی (D-Turbo-CS) را معرفی می کنند. دوم، نویسندگان یک الگوریتم ارسال پیام توربو (TMP) را برای حل مشکل ARM معرفی می کنند. سوم، نویسندگان یک الگوریتم TMP را برای حل مسئله RPCA معرفی می کنند که هدف آن بازیابی یک ماتریس با رتبه پایین و یک ماتریس پراکنده از مخلوط فشرده آنها است. با این کتاب، ما می خواهیم تحقیقات جدیدی را در مورد استفاده از ارسال پیام در مسائل مختلف استنتاج انجام دهیم.

• نگاهی عمیق به الگوریتم‌های ارسال پیام توربو برای ساختار یافته ارائه می‌کند. بازیابی سیگنال
• شامل راه‌حل‌های الگوریتمی تکراری کارآمد برای استنتاج، بهینه‌سازی و مشکلات رضایت از طریق ارسال پیام است
• کاربردها را در زمینه‌هایی مانند ارتباطات بی‌سیم و بینایی رایانه نشان می‌دهد

This book takes a comprehensive study on turbo message passing algorithms for structured signal recovery, where the considered structured signals include 1) a sparse vector/matrix (which corresponds to the compressed sensing (CS) problem), 2) a low-rank matrix (which corresponds to the affine rank minimization (ARM) problem), 3) a mixture of a sparse matrix and a low-rank matrix (which corresponds to the robust principal component analysis (RPCA) problem). The book is divided into three parts. First, the authors introduce a turbo message passing algorithm termed denoising-based Turbo-CS (D-Turbo-CS). Second, the authors introduce a turbo message passing (TMP) algorithm for solving the ARM problem. Third, the authors introduce a TMP algorithm for solving the RPCA problem which aims to recover a low-rank matrix and a sparse matrix from their compressed mixture. With this book, we wish to spur new researches on applying message passing to various inference problems.

• Provides an in depth look into turbo message passing algorithms for structured signal recovery
• Includes efficient iterative algorithmic solutions for inference, optimization, and satisfaction problems through message passing
• Shows applications in areas such as wireless communications and computer vision