APP下载

一种改进的稀疏度自适应压缩采样匹配追踪算法*

2016-11-30倪加明孙钦者陆家明

通信技术 2016年8期
关键词:测量信号

倪加明,孙钦者,陆家明

(杭州电子科技大学 通信工程学院,浙江 杭州 310018)

一种改进的稀疏度自适应压缩采样匹配追踪算法*

倪加明,孙钦者,陆家明

(杭州电子科技大学 通信工程学院,浙江 杭州 310018)

针对未知稀疏度信号的重建,提出了一种改进的稀疏度自适应压缩采样匹配追踪(MACSMP)算法。该算法以压缩采样匹配追踪(CoSaMP)算法为基础,结合变步长自适应的思想,摆脱了对于信号稀疏度的依赖,并在迭代过程中引入正则化思想,从而提升了算法的重构精度。仿真结果表明,文中提出的MACSMP算法在重构性能与运行效率两方面都要优于SAMP、OMP、CoSaMP这几种算法,且其计算量较低,运行时间较短。

压缩感知;重构算法;稀疏度自适应;正则化

0 引 言

传统采样定理中要求采样频率需大于信号带宽的两倍,以保证恢复出来的信号不失真,因而我们在用它处理宽频段类信号时就存在很多困难。压缩感知(Compressed Sensing,CS)[1]理论的提出成功解决了这一难题,其能够以远低于Nyquist率的采样频率对信号采样,且可以使用相关重构算法来恢复信号。

重构算法是压缩感知领域一个重要的研究方向,为此相关学者在这一方面做了很多功课,先后提出了许多性能比较优异的算法。在这些算法中,贪婪算法由于自身结构较为简单且运算量相对较少,故而得到了广泛应用。典型的有正交匹配追踪算法(Orthogonal Matching Pursuit,OMP)[2]、正则化正交匹配追踪算法(Regularization Orthogonal Matching Pursuit,ROMP)[3]、压缩采样匹配追踪算法(Compressive Sampling Matching Pursuit,CoSaMP)以及稀疏度自适应匹配追踪算法(Sparsity Adaptive Matching Pursuit,SAMP)[4]。本文在研究上述几种典型重建算法的基础上,将CoSaMP算法结合自适应的思想以及正则化的方法并加以改进,提出了一种改进的自适应压缩采样匹配追踪(MACSMP)算法。……

登录APP查看全文

猜你喜欢

测量信号
信号
完形填空二则
孩子停止长个的信号
测量的乐趣
测量
基于LabVIEW的力加载信号采集与PID控制
一种基于极大似然估计的信号盲抽取算法
高处信号强