共查询到19条相似文献,搜索用时 125 毫秒
1.
压缩感知(compressed sensing, CS)稀疏信号重构本质上是在稀疏约束条件下求解欠定方程组。针对压缩感知匹配追踪(compressed sampling matching pursuit, CoSaMP)算法直接从代理信号中选取非零元素个数两倍作为支撑集,但是不存在迭代量化标准,本文提出了分步压缩感知匹配追踪(stepwise compressed sampling matching pursuit, SWCoSaMP)算法。该算法从块矩阵的逆矩阵定义出发,采用迭代算法得到稀疏信号的支撑集,推出每次迭代支撑集所对应重构误差的L-2范数闭合表达式,从而重构稀疏信号。实验结果表明和原来CoSaMP算法相比,对于非零元素幅度服从均匀分布和高斯分布的稀疏信号,新算法具有更好的重构效果。 相似文献
2.
基于基追踪-Moore-Penrose逆矩阵算法的稀疏信号重构 总被引:2,自引:0,他引:2
压缩感知(Compressed Sensing,CS)稀疏信号重构其本质就是在稀疏约束条件下求解欠定线性方程组,基于迭代加权L-p(0<p≤1,p=2)类范数算法减小重构误差成为近来稀疏信号重构热点之一.该文提出了基追踪-Moore-Penrose逆矩阵(Basis Pursuit-Moore-Penrose Inverse Matrix,BP-MPIM)算法:(1)由基追踪(Basis Pursuit,BP)算法得到稀疏信号非零元素位置(亦称支撑集,对应于测量矩阵的列);(2)通过求解由支撑集所对应测量矩阵的子矩阵和CS测量值组成的超定线性方程组实现稀疏信号重构,并证明了由此重构的稀疏信号是其唯一最小二次范数解.仿真的稀疏信号和实测宽带雷达回波信号脉冲压缩结果表明,和原来算法相比,新算法具有更小的重构误差,且误差只存在于其支撑集内. 相似文献
3.
4.
在单样本(SMV)、低信噪比条件下,稀疏重构方法可提升时延估计精度,但现有的重构算法在支撑集元素的选择中存在错选和漏选的情况,从而导致估计精度受限。针对上述问题,该文提出一种基于循环匹配追踪(LMP)的稀疏重构时延估计算法。该方法引入了“循环删除,匹配添加”的思想,有效提升了直达径的估计精度。算法首先建立信道冲激响应稀疏表示模型;然后在获得初始支撑集的前提下,先循环删除支撑集内的元素,再从支撑集补集中依据与当前残差内积值最大来匹配添加新元素,直至残差内积基本不变;最后利用时延值与稀疏支撑集的关系得到了时延的估计值。仿真结果表明,所提算法相比于传统稀疏重构时延估计算法具有更高的估计精度。同时基于USRP平台,利用实际信号对所提算法进行了有效性验证。 相似文献
5.
6.
非负稀疏信号在欠定线性观测条件下的重构效果不理想,仍有进一步提高的余地。文中将非负稀疏信号重构建模为线性规划问题,在交替方向乘子法的框架下得到了具有闭合解形式的优化算法,且算法复杂度较低。为了进一步增强重构信号的稀疏性,提出了迭代加权线性规划算法,通过对权值向量和重构信号交替优化提高了重构准确率。实验仿真验证了算法的有效性,针对随机生成信号和实际语音能量谱这两类非负稀疏信号均取得了较好的重构效果,重构性能优于目前一些流行的稀疏重构算法。 相似文献
7.
面向压缩感知的块稀疏度自适应迭代算法 总被引:2,自引:0,他引:2
块稀疏信号是一种典型的稀疏信号,目前在块稀疏信号的压缩感知问题中,大多数信号重构算法要求信号的块稀疏度已知且算法复杂度高.针对实际应用中信号块稀疏度未知的情况,提出了一种块稀疏度自适应迭代算法,用于信号重构.首先,该算法初始化一个块稀疏度,其值按设定步长进行增加.对每一个块稀疏度的迭代,算法都会找到信号支撑块的一个子集,并修正更新上一次找到的信号支撵块,最后找到信号的整个支撑块,从而重构出源信号.该算法不需要信号的块稀疏度作为先验知识,而且算法复杂度低.仿真实验表明,该算法的重构概率较已有大多数块稀疏信号重构算法的重构概率高,在块稀疏信号的压缩感知问题中具有实际意义. 相似文献
8.
观测值受脉冲噪声干扰情况下,传统的压缩感知算法基本失效,基于洛伦兹范数的硬阈值迭代(LIHT)算法是有效途径,但是硬阈值迭代过程会误判信号支撑集,随着脉冲数目增加,算法性能明显下降。针对这一问题,提出了一种基于洛伦兹范数的软阈值迭代(LIST)压缩感知重构算法。利用洛伦兹范数有效约束脉冲噪声,引入信号稀疏度度量函数,采用梯度下降法降低重构信号的稀疏度,实现软阈值迭代,并通过拟牛顿法求解该模型,加快算法收敛,运算量与其他算法是同一数量级,数值仿真表明,重构信噪比优于LIHT算法。 相似文献
9.
一种压缩感知重构算法 总被引:6,自引:0,他引:6
为提高压缩感知重构精度,该文提出一种分段弱阈值修正共轭梯度追踪算法。该算法修正了方向追踪算法的方向,明确给出了搜寻原子下标的停止迭代准则,利用搜寻所得下标集通过最小二乘法得到稀疏信号的估计值。仿真结果表明在同等稀疏的条件下实现精确重构,该算法与匹配追踪(MP)算法和分段正交匹配追踪FDR阈值算法(StOMP-FDR)相比,所需的观测值个数少20%;在处理2维图像信号时,其重构精度比分段正交匹配追踪FAR阈值算法(StOMP-FAR)和贝叶斯算法(BCS)高1%。 相似文献
10.
11.
现有的贪婪迭代类压缩感知重构算法均基于最小二乘对信号进行波形估计,未考虑到可能将量测噪声引入信号估计的情况.针对以上不足,提出了一种基于线性Kalman滤波的压缩感知弱匹配去噪重构算法.该算法不需已知稀疏度先验,通过引入Kalman滤波,在最小均方误差准则下,每次迭代都获得最佳信号估计;并以弱匹配的方式同时筛选出有效的原子,并剔除冗余原子进而重构原信号.新算法继承了现有贪婪迭代类算法的有效性,同时避免了因噪声干扰或稀疏度未知导致的重构失败.理论分析和实验表明,新算法在同等条件下,重构性能优于现有典型贪婪迭代类算法,且其运算时间低于BPDN算法和同类的KFCS算法. 相似文献
12.
正则化正交匹配追踪算法是一种广泛被使用的压缩感知重构算法,但其需要已知信号的稀疏度。针对这一缺点,本文提出一种回溯正则化自适应匹配追踪算法。该算法基于正则化正交匹配追踪算法进行改进,首先采用设置模糊阈值的方式初始化选取一些原子,然后对其进行正则化,最后采用回溯的方式删掉个别错误的原子。在每次迭代中,不断更新支撑集的同时扩大支撑集,以逐步逼近信号的稀疏度。实验结果表明,在相同的测试条件下,改进后的算法与其他贪婪算法相比,无论是对一维稀疏信号还是二维图像,均取得了更好的重建效果,且运行时间也比较适中。 相似文献
13.
最近提出的前向后向算法(Forward-backward Pursuit,FBP)因为重构精度较高受到人们更多关注.但是FBP算法没有考虑到当前迭代残差信号的变化,每次迭代选取的原子和删减原子的数目是固定的.鉴于此,提出了双向阈值匹配追踪算法(Ovonic Threshold Matching Pursuit,OTMP).OTMP前向原子选择过程通过限制等距性质(RIP)和残差的条件选出部分新增加原子,在回溯过程中通过当前迭代的重构水平剔除可能错误的原子.实验表明,在一定条件下OTMP时间复杂度和正交匹配追踪算法(Orthogonal Matching Pursuit,OMP),子空间追踪算法(Subspace Pursuit,SP)相当,重构精度明显高于SP,FBP算法和其他几种贪婪算法. 相似文献
14.
Xinpeng Du Ruihua Liang Lizhi Cheng Fang Su 《Circuits, Systems, and Signal Processing》2013,32(6):3079-3091
This paper addresses the multiple measurement vector problem, which aims at recovering jointly sparse vectors from incomplete measurements. Inspired by MUSIC (MUltiple SIgnal Classification) and the greedy algorithms used in compressed sensing, we propose an empirical algorithm, called orthogonal greedy MUSIC (OG-MUSIC), for solving the problem. The proposed algorithm is a greedy algorithm, and a MUSIC procedure and an orthogonal projection operation are applied in each iteration. Since MUSIC is used in each iteration, multiple support elements may be selected per iteration; this is one of the main advantages of OG-MUSIC. The other main advantage of OG-MUSIC is the pruning technique, which is used to find the exact row support when the merged support size is larger than the sparsity level. Theoretical analysis and simulation results illustrate that OG-MUSIC has a very good recovery performance while maintaining a relatively low computational cost. 相似文献
15.
16.
17.
信号重建算法是压缩感知技术中的关键问题。大部分贪婪迭代重建算法需要已知信号稀疏度,但实际情况下信号稀疏度很难获得。该文提出了一种增强型自适应分段正交匹配追踪算法。该算法在已有的分段正交匹配追踪算法的基础上,引入回溯思想,在原有的阈值参数的基础上引入一个新的标识参数I,达到有效的二次支撑集筛选,从而在未知信号稀疏度的前提下更好地重建信号。仿真结果表明,与其他相关算法相比,该文提出的算法无论在测量信号无噪还是有噪情况下,均可获得更优的信号重建质量:无噪条件下准确重建概率平均提高30%~40%,有噪条件下重建信号的均方误差(Mean Square Error, MSE)平均改善5~10dB,算法复杂度增加较少。 相似文献
18.
19.
Aiming at the long running time problem of the traditional forward-backward pursuit (FBP) algorithm,an adaptive acceleration forward-backward pursuit (AAFBP) algorithm was proposed.The reconstruction process of AAFBP algorithm can be divided into two stages.In the forward stage,the AAFBP algorithm used the adaptive threshold to select the right amount of atoms to join the support set.In the backward stage,based on the projection coefficient of the atoms,the deletion threshold was introduced to remove the atoms adaptively and the excessive backtracking phenomenon in adaptive process was overcome simultaneously.The proposed method can ensure the number of the selected atoms more random,and more right atoms were retained in each iteration.The simulation results of one-dimensional sparse signal and two-dimensional image show that the AAFBP algorithm has more advantages in both the accuracy of reconstruction and the running time. 相似文献