基于CS的正则化稀疏度变步长自适应匹配追踪算法

摘要：

压缩感知(CS)能够突破Nyquist采样定理的瓶颈,使得高分辨率信号采集成为可能.重构算法是压缩感知中最为关键的部分,迭代贪婪算法是其中比较重要的研究方向.对压缩感知理论进行了详细分析,并在现有重构算法的基础上提出了一种新的迭代贪婪算法——正则化稀疏度变步长自适应匹配追踪(RSVssAMP)算法,可在信号稀疏度未知的情况下,结合正则化和步长自适应变化思想,快速精确地进行重构.相比于传统迭代贪婪算法,本文算法不依赖于信号稀疏度,并且应用正则化以确保选取支撑集的正确性.此外,应用自适应变化步长代替固定步长,能够提高重构速率,而且达到更高的精度.为了验证本文算法的正确性,选取高斯稀疏信号和离散稀疏信号分别进行仿真,并与现有算法进行比较.仿真结果表明,本文算法相比于现有算法可以实现更加精确快速的重构.

关键词：压缩感知(CS)、自适应、正则化、变步长、匹配追踪

所属期刊栏目：43

分类号：TN919.1

在线出版日期：2017-11-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：2109-2117