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
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。……
