欢迎来到天天文库
浏览记录
ID:58140488
大小:661.49 KB
页数:5页
时间:2020-04-24
《基于压缩感知的正则化子空间追踪算法-论文.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、liDTA数L篓【本文献信息】党骥,马林华,田雨,等.基于压缩感知的正则化子空间追踪算法[J].电视技术,2014,38(15)基于压缩感知的正则化子空间追踪算法党暌,马林华,田雨,孙玉雪,胡星(空军工程大学a.航空航天工程学院-b.信息与导航学院,陕西西安710038)【摘要】压缩感知理论是一种新的在采样的同时实现压缩的采样过程,只要被采样信号是稀疏或可压缩的,就可以保证精确重建。通过研究总结已有的贪婪追踪类重建算法,提出了一种正则化子空间追踪算法(RegularizedSubspacePursuit,RSP)。正则化正交匹配追踪算法(
2、RegularizedOrthogonalMatchingPursuit,ROMP)的正则化方法对原子的能量分级思想,对信号的重建精度和重建速度有很大影响。首先对该方法的不合理性进行改进,然后将改进的正则化步骤引入到子空间追踪算法(SubspacePur-suit,SP)中,最终达到对原始信号的快速精确重建。实验仿真表明,该算法比Sp算法更高效,更具有实际应用意义。【关键词】压缩感知;正则化;匹配追踪;重建算法【中图分类号】TN911.7【文献标志码】ARegularizedSubspacePursuitBasedonCompressiv
3、eSensingDANGKui。,MALinhua",TIANYu‘,SUNYuxue,HUXing"(n.SchoolofAeronautic~andAstronauticsEngineering;b.InformationandNavigationCollege,AirForceEngineeringUniversity,凰’∞710038,China)【Abstract】Compressivesensingtheoryisanewmethodologytoachievecompressionwhilesampling.Thesamp
4、ledsign且lisreconstructedaslongasthesignalissp撇Orcompresible.Basedontheresearchandsummarizationoftheexistings~edypursuitalgorithms,thispaperpresentsaviewRegularizedSubspacePursuit(asP).TheideaofatomicenergyclassificationofregularizationmethodinRegularizedOrthogonalMatching
5、Pursuit(ROMP)hasgreatinfluenceontheaccuracyandspeedofthesignalreconstruction.Firstly,theirrationalityofthismethodisimproved,andthenthisimprovedmethodisintroducedtoSubspacePursuit(SP)tdtimatelyleadstoexactandfastreconstructionoftheoriginalsigna1.Theexperimentalrestr/tsshow
6、thatRSPismoreefficientandpracticalsignificancethanSP.【Keywords】compressivesensing;regularized;matchingpursuit;reconstructionalgorithm与传统Nyquist采样定律不同的一个采样机制是由率最大的一个区域。凸优化方法和贪婪算法是目前较为Candbs,Tao,Donoho¨-2]等人近年来提出的压缩感知理论成熟的方法,具有较充分的理论支撑,而其他方法都缺乏(CompressiveSensing),成功实现对信号的同
7、时采样和压足够的理论保证,因而凸优化方法和贪婪算法是使用频率缩。该理论要求被采样信号在某个变换域是稀疏的或可较高且具有代表性的两种方法。本文通过深入研究分析压缩的,就可以用一个与变换矩阵非相干的测量矩阵进行各贪婪追踪类算法对信号的重建时间和重建精度,将压缩采样,这种采样方法保存了原信号的有用信息,最后ROMP算法中正则化步骤引入到SP算法进行原子的二次通过求解稀疏优化问题可以精确重构原始信号。筛选,然而该步骤在对原子分级时,每次选人最大能量组重建算法设计是压缩感知理论的关键环节,其对信的原子过多,重建时会产生冗余计算,影响重建的精度和号的
8、重建质量和重建速度是评价算法的两个关键因素。速度。本文充分考虑该正则化步骤的不足,并通过引入一目前,常用的重建算法有J:1)凸优化方法J,主要有内个调整因子对其进行优化改进,提出了一种新的正则
此文档下载收益归作者所有