一种基于CGLS和LSQR的联合优化的匹配追踪算法
在压缩感知理论中,设计好的稀疏重构算法是一个比较重要,同时也是一个具有挑战性的问题.稀疏重构的基本目标是用较少的数据样本,通过解一个优化问题完成信号或者图像重构.关于稀疏重构过程,一个重要的研究方向是在数据受噪声干扰的情况下,如何高效快速地重建原信号.本文提出了基于共轭梯度最小二乘法(Conjugate gradient least squares,CGLS)和最小二乘QR分解(Least squares QR,LSQR)的联合优化的匹配追踪算法.该算法采用Alpha散度来测量CGLS和LSQR之间的离散度(差异度),并通过离散度来选择最优的解序列.实验分析表明基于CGLS和LSQR的联合优化的匹配追踪算法在压缩采样的信号受噪声干扰情况下具有较好的恢复能力.
压缩感知、匹配追踪、稀疏恢复、噪声
44
国家自然科学基金61303227;中国博士后基金2015M580765;重庆市博士后科研项目Xm2016041
2018-11-29(万方平台首次上网日期,不代表论文的发表时间)
共11页
1293-1303