基于遗传模拟退火算法的压缩感知重构方法
2021-10-28肖畅樊晓宇
长春理工大学学报(自然科学版) 2021年5期
肖畅,樊晓宇
(1.合肥工业大学 计算机与信息学院,合肥 230601;2.安徽科技学院 电气与电子工程学院,蚌埠 233030)
压缩感知(Compressed Sampling,CS)是一种数据压缩与重构理论,CS对具有稀疏性或在变换域上稀疏的信号在满足特定条件下,可通过远低于奈奎斯特采样定理的随机采样完成原信号的精确重构。这种新颖的压缩与采样同时进行的信号处理方式,能够有效降低信号采样、传输和存储的代价,使信号的处理方式得到一次深刻的变革[1-4]。
CS主要包括三个问题,即信号在某个域上的稀疏变换、观测矩阵的构造和信号重构算法的设计,本文设计的方法是针对信号重构环节进行的。CS的有效信号重构算法诸多,主要包括:直接求解l0范数最小化问题的匹配追踪算法[5]和把l0范数最小化转化为l1范数最小化,通过线性规划求解的基追踪算法[6]。目前出现了一些改进算法,如正交匹配追踪法、梯度追踪法等[7-10]。然而,上述的有些算法需要已知信号的稀疏度,这给应用带来很大不便。刘亚新[11]、高睿[12]、张宗念等人[13]分别提出了信号稀疏度未知条件下的信号重构算法,但是这些算法主要归结于匹配追踪,其缺点是算法需要进行有效的子空间扩充与跟踪,将导致算法需要大量的循环次数才能保证重构信号逼近原信号。朱丰等人[14]研究了运用遗传迭代思想,在稀疏度未知情况下,可准确重构出原信号,避免了子空间跟踪,但遗传算法(Genetic Algorithm,GA)的局部搜索能力较差,这导致了基于单纯遗传算法的压缩感知重构方法具有一定的缺陷。……
登录APP查看全文