祁 浩，刘洲洲

（1.西北工业大学电子信息学院，西安710072；2.西安航空学院，西安710077）

基于量子免疫克隆的压缩感知数据重构算法❋

祁 浩1，刘洲洲2

（1.西北工业大学电子信息学院，西安710072；2.西安航空学院，西安710077）

提出了一种基于量子免疫克隆的压缩感知数据重构算法（Q-CSDR）。算法先提出了一种能够提高数据重构概率的自适应分帧方法，然后利用量子克隆免疫算法的优化组合性能实现数据的精确重构。实验结果表明，Q-CSDR算法能够根据原始信号稀疏度自动调节压缩比率，具有重构速度快，重构精度高，能够适应于高稀疏度数据重构等优点。该算法已应用于秦始皇帝陵博物院野外文物安防系统。经实际检验，收到了良好效果。

量子免疫克隆；压缩感知；数据重构；稀疏度

1 引 言

压缩感知（Compressed Sensor，CS）［1］是近几年来数据和信号处理的研究热点之一，它使用线性变换将具有一定稀疏度的信号投影到一个低维空间上，并通过使用非线性方式对数据进行重构。压缩感知的优点在于其突破了奈奎斯特采样定理和香农理论的限制，能够以远小于经典采样方法获取的数据量重构出高质量的原始信号，与传统压缩方法相比，压缩感知具有采样数量少、采样数据小等优点。

数据重构算法是压缩感知过程中的一个重要环节，其关键问题在于如何快速、准确的从已知低维数据中恢复出高维数据。目前压缩感知数据重构算法主要分为两类［2］：第一类算法是基于最小化l1范数的算法，包括基追踪算法（Basis Pursuit，BP）［3］，线性规划算法（Linear Programming，LP）［4］等，这类算法具有重建精度高的优点，但其算法的复杂度较高，且执行效率低，实用性较差；……