一种步长自适应的正则化稀疏分解算法.pdfVIP

第 32卷第 6期 杭 州 电子 科 技 大 学 学 报 Vo1．32，No．6 2012年l2月 Journal of Hangzhou Dianzi University Dee．20l2 doi：10．3969／j．瑚．n．1001-9146．2012．06—010 一 种步长 自适应的正则化稀疏分解算法 陈海军，汪立新 (杭州电子科技大学通信工程学院，浙江杭州310018) 摘要：信号的稀疏表示能有效提取信号的本质特征，降低信号处理成本，但稀疏分解的大计算量阻 碍了其实时应用。该文研究了匹配追踪稀疏分解算法，提出了步长 自适应的正则化正交匹配追踪 算法用于信号稀疏分解。该算法摆脱了对稀疏度的依赖，通过正则化过程 自适应调整步长筛选原 子逐步逼近原始信号。仿真结果表明，该算法能精确的对信号进行稀疏重建，提高稀疏分解速度。 关键词：稀疏分解；步长自适应；信号重建；正则化 中图分类号：TP301．6 文献标识码：A 文章编号：1001—9146(2012)06—0037—04 0 引 言 信号稀疏分解的提出开创了信号分析、表示理论的新方向，用稀疏逼近取代原始数据表示可从实质 上降低信号处理的成本，另外由于信号的稀疏表示能在一定程度上 自然地贴近信号的本质特征，因此受 到了广泛的关注并且在很多领域都有重要的应用。但由于稀疏分解算法所涉及的计算量十分繁重，一 定程度上阻碍了其应用及推广。因而如何实现算法的快速计算，降低算法的复杂度成为近年来研究的 重要方面。为实现快速稀疏分解，一些国内外学者做了深入的研究，提出了许多算法，匹配追踪算 法 J，基追踪算法 J。其他常见算法还有正交匹配追踪算法L3J，压缩采样匹配追踪算法 J，正则化正交 匹配追踪算法(RegularizationOrthogonalMatchingPursuit，ROMP) 和稀疏性 自适应匹配追踪算法-6J。 本文在ROMP算法基础上，结合稀疏性自适应匹配追踪中自适应调整步长的思想，提出了步长 自适应 的正则化正交匹配追踪算法 (StepsizeAdaptiveRegulafizationOrthogonalMatchingPursuit，SAROMP)。实 验表明该算法计算量小，且重建效果较好。 1 基于匹配追踪算法的稀疏分解 设集合D= g) 为稀疏分解的原子库，g为原子，对于任意给定的信号 f，对它进行逼近f，如果 逼近误差8=llf-f，Il8(8足够小)，则可以在D中自适应地选取n个原子表示信号f=∑noqg， 即信号的稀疏表示。得到信号稀疏表示的过程称为信号稀疏分解。常见的匹配追踪算法分解信号的过 程如下。 首先从原子库中选出与待分解信号最为匹配的原子g，其满足的条件是： l(f，g)I=m I(f，g)l (1) 式中，I(f，g)J为信号f与原子g的内积，由此可以将信号分为最佳原子gr0上的分量和残余部 分，即： f=(f，g)grn+Rf (2) 收稿 日期：2012一O9—25 作者简介：陈海军(1988一)，男，浙江温岭人，在读研究生，信号处理 38 杭 州 电子 科 技 大 学 学 报 2012．正 对于上面的Rf还可以不断进行同样的分解，其中g满足 l(Rf，g)}=m I(Rf，g)}，分解 后得 ： Rf=(Rf，g)g +R“f (3) 经过n次分解后，原始信号f可以表示为： f=∑ ：(Rf，g)g+Rf“ (4) 式中， f会随着n的增大而迅速衰减，从而： f ∑：：(Rf，g)g