Local orthogonal greedy pursuits for scalable sparse approximation of large signals with shift-invariant dictionaries

Boris Mailhé 1 Rémi Gribonval 1 Frédéric Bimbot 1 Pierre Vandergheynst 2, 3
1 METISS - Speech and sound data modeling and processing
IRISA - Institut de Recherche en Informatique et Systèmes Aléatoires, Inria Rennes – Bretagne Atlantique
2 SP Lab - Laboratoire de Traitement du signal [EPFL] / Signal Processing Laboratories
3 LTS2 - EPFL
Abstract : We propose a way to increase the speed of greedy pursuit algorithms for scalable sparse signal approximation. It is designed for dictionaries with localized atoms, such as timefrequency dictionaries. When applied to OMP, our modification leads to an approximation as good as OMP while keeping the computation time close to MP. 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.
Type de document :
Communication dans un congrès
Rémi Gribonval. SPARS'09 - Signal Processing with Adaptive Sparse Structured Representations, Apr 2009, Saint Malo, France. 2009
Liste complète des métadonnées

Littérature citée [6 références]  Voir  Masquer  Télécharger
https://hal.inria.fr/inria-00369531
Contributeur : Ist Rennes <>
Soumis le : vendredi 20 mars 2009 - 11:23:49
Dernière modification le : mercredi 16 mai 2018 - 11:23:03
Document(s) archivé(s) le : jeudi 10 juin 2010 - 17:35:45

Fichier

67.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : inria-00369531, version 1

Collections

INRIA | IRISA | SPARS09 | IRISA-D5 | UR1-UFR-ISTIC | UNIV-RENNES

Citation

Boris Mailhé, Rémi Gribonval, Frédéric Bimbot, Pierre Vandergheynst. Local orthogonal greedy pursuits for scalable sparse approximation of large signals with shift-invariant dictionaries. Rémi Gribonval. SPARS'09 - Signal Processing with Adaptive Sparse Structured Representations, Apr 2009, Saint Malo, France. 2009. 〈inria-00369531〉

Exporter

BibTeX TEI DC DCterms EndNote

Partager

Métriques

Consultations de la notice

320

Téléchargements de fichiers

192

Contact


archive-ouverte@inria.fr