基于限制等距性质阈值机制的匹配追踪算法-论文.pdf

基于限制等距性质阈值机制的匹配追踪算法-论文.pdf

ID:57924636

大小:1.26 MB

页数:6页

时间:2020-04-14

基于限制等距性质阈值机制的匹配追踪算法-论文.pdf_第1页
基于限制等距性质阈值机制的匹配追踪算法-论文.pdf_第2页
基于限制等距性质阈值机制的匹配追踪算法-论文.pdf_第3页
基于限制等距性质阈值机制的匹配追踪算法-论文.pdf_第4页
基于限制等距性质阈值机制的匹配追踪算法-论文.pdf_第5页
资源描述:

《基于限制等距性质阈值机制的匹配追踪算法-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、2015年月计算机工程与设计July2015第36卷笫7期COMPUTERENGINEERINGANDDESIGNVo1.36No.7基于限制等距性质阈值机制的匹配追踪算法黄宏伟,谢正光,蒋小燕,蔡旭(南通大学电子信息学院,江苏南通226019)摘要:为提高贪婪算法重构精度,提出带有回溯机制的基于限制等距性质阈值匹配追踪算法(restrictedisometryproper—tity-basedlhresholdmechanismMP,RIPTMP)。每次迭代包含原子添加和原予删减两个步骤,在原子添加步骤中,

2、根据RIP和残差能量条件添加原子;在原子删减步骤中,分析RIP和残差条件,找出可能错误原子,原子选择过程是自适应的。实验舞果表明,在一定条件下,该算法重构精度高于正交匹配追踪算法(orthogonalmatchingpursuit,OMP)、子空间匹配算(subspacepursuit,SP)、基追踪算法(basispursuit,BP)和前向后向追踪算法(forward-backwardpursuit,FBP)等算法。关键词:缩感知;原子;限制等距性质;残差;自适应算法中图法分号:TP301.6文献标识号:

3、A文章编号:1000—7024(2015)07—1784—06doi:10.16208/j.issnl000~7024.2015.07.021Restrictedisometrypropertity-basedthresholdmechanismMPHUANGHong-wei。XIEZheng-guang,JIANGXiao—yan,CAIXu(Schoo1ofElectronicsandInformation,NantongUniversity,Nantong226019,China)Abstract:Yo

4、improvethereconstructionaccuracyofgreedyalgorithms,analgorithmwithbacktrackingmechanismcalledre~strictediscmetrypropertity-basedthresholdmechanismMP(RIPTM[P)waspresented.RIPTMPhadtwoproceduresineachiterationcalledatoms—addingandatoms—deletion.Intheatoms-add

5、ingprocedure,atomswerepickedoutbasedontheconditionofRIPandtireenergyofsignalresidua1.Meanwhileinthestepofatoms-deletion,thepropertyofRIPandsignalresidualwasalsostudiedtofindthoseatomsthatwerepossiblywrong.Thewholeprocedureofatomsselectionwasadaptive.Experim

6、entalresultshowstha,undercertaincircumstances,thereconstructionaccuracyofRIPTMsurpassesthatofOMP,SP,BP,FBPandsomeothergree—iyalgorithm.Keywords:compressedsensing;atom;restrictedisometryproperty;residual;adaptivealgorithmN,这个过程相当于把原始信号投影到[,552,⋯,]张成0引言的空间上_4

7、j。近几年一种高效的信号采集技术压缩感知(corn—压缩感知中重构算法是核心内容,是从测量矩阵和pressedsensing,CS)[1逐渐被人们学习了解。它的模式是观测信号Y中恢复原始稀疏信号。这个过程可以当作如边采集边J玉缩,即在数据采集过程中就进行适当的压缩,最小化问题来求解:—argmin]lxlIosubjectto一r,理这样信号果集速度能低于奈奎斯特采样速度,节省大量论上,没有噪声的前提下,K阶稀疏信号仅需M≥2K次资源[。0]。测量就可以恢复。但是zo最小化问题是NP-hard问题。Do—压缩

8、感知测量过程可以用方程描述为Y:Ox,其中Ynoho和Candes指出不必求助于如解稀疏解,而是通过一个是长度为的观测信号,一[,季z,⋯,]是测量矩阵,更简单的f1最优化方法:X—argmax[fXc11subjecttoY=大小为M×N,X为K阶稀疏信号,长度为N,K

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。