基于双稀疏字典的新型盲压缩感知模型

摘要：

针对压缩感知理论实际应用过程中,稀疏基先验信息未知的情况下,如何从信号的压缩测量值中学习与待重构信号本身相适应的字典的同时,利用该字典重构出原始信号的问题,基于已有的盲压缩感知理论(BCS),在稀疏基为双稀疏字典结构的约束条件下,提出了一种新型的盲压缩感知算法(D-BCS).所提算法交替执行稀疏编码阶段和字典更新阶段.在稀疏编码阶段,采用分裂Bregman迭代求解非凸的l1最小化问题,从而实现稀疏系数矩阵的更新;而在字典更新阶段,则通过将目标优化函数转化为类LASSO问题,并利用LASSO算法来实现字典原子的逐列更新.在不同采样率下,对多个测试视频帧进行仿真对比实验,实验结果表明,所提算法能很好地从压缩测量值中恢复出原始信号,且表现出了最佳的性能改进.

关键词：盲压缩感知、双稀疏字典、分裂Bregman迭代、LASSO、稀疏表示

所属期刊栏目：27

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61070234,61071167,61373137,61501251;江苏省2015年度普通高校研究生科研创新计划项目KYZZ15_0235;南京邮电大学引进人才科研启动基金资助项目NY214191

在线出版日期：2017-06-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：35-39,45