压缩感知中稀疏分解和重构精度改进的一种方法

摘要：

稀疏分解、非相关观测和重构算法是压缩感知的三大要素,任何一个环节的设计优劣都对压缩感知的性能产生重大影响,稀疏分解是实现压缩感知的前提,现今使用的稀疏分解对大多数自然信号都不能做到理想的绝对稀疏,而是近似稀疏,这大大影响了压缩感知的重构性能.本文设计了一种可逆的阈值,并用其构造门限矩阵,从而门限矩阵可逆,将门限矩阵作用于信号经正交变换后的近似稀疏系数,可使系数更接近理想的绝对稀疏,而且门限矩阵对系数的处理过程是可逆的,即可由处理后的系数无损恢复原来的近似稀疏系数.重构算法采用贪婪算法中的OMP和CoSaMP,从理论上分析了在保证与CoSaMP同样的前提条件下,门限矩阵改进后的CoSaMP重构误差明显减小,仿真实验用门限矩阵对OMP和CoSaMP的改进前后进行对比,验证了门限矩阵对重构精度有进一步的提高.

关键词：压缩感知、稀疏分解、贪婪算法、门限矩阵

所属期刊栏目：28

分类号：TN912.3

资助基金：江苏省自然科学基金重点项目资助编号BK2010077;江苏省基础研究计划自然科学基金BK2011756;江苏省高校自然科学研究资助项11KJB510018;南京邮电大学科研基金项目NY211009

在线出版日期：2012-07-17（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：631-636