改进的迭代收缩阈值算法及其在量子状态估计中的应用

发布时间：2021-05-11 03:40

　　本文将含有稀疏干扰的量子状态估计问题,转化为考虑量子状态的约束条件下,分别求解密度矩阵的核范数,以及稀疏干扰l1范数的两个子问题的优化问题.针对迭代收缩阈值算法（ISTA）所存在的收敛速度慢的问题,通过在两个子问题的迭代估计中,引入一个加速算子,对当前值与前一次值之差进行进一步的补偿,来提高算法的迭代速度（FISTA）.并将FISTA算法应用于求解含有稀疏干扰的量子状态估计中.针对5个量子位的状态估计的仿真实验,将FISTA分别与ISTA、交替方向乘子法（ADMM）、不动点方程的ADMM算法（FP–ADMM）,以及非精确的ADMM算法（I–ADMM）4种优化算法进行性能对比.实验结果表明, FISTA算法具有更加优越的收敛速度,并且能够得到更小的量子状态估计误差. 

【文章来源】：控制理论与应用. 2020,37(07)北大核心EICSCD

【文章页数】：6 页

【文章目录】：
1 引言
2 含有稀疏干扰的量子状态估计问题描述
3 改进的快速迭代收缩阈值算法
    3.1 迭代收缩阈值算法
    3.2 快速迭代收缩阈值算法
4 数值仿真实验及其结果分析
    4.1 FISTA和ISTA算法的估计误差对比
    4.2 5种算法的估计误差对比
5 结论


【参考文献】：
期刊论文
[1]基于压缩传感的量子状态估计算法的性能对比分析[J]. 丛爽,张慧,李克之.  模式识别与人工智能. 2016(02)

硕士论文
[1]基于压缩感知的量子状态估计与滤波算法及其收敛性研究[D]. 张娇娇.中国科学技术大学 2018



本文编号：3180648