压缩感知理论及应用精要.ppt

2.4信号重构算法 压缩感知中信号重构过程就是从M个观测值对原始长度为N的信号x进行 估计的过程。我们通过 获得M个观测值。重构过程中，通过 求解出稀疏向量 。 由于观测数量M远小于信号长度N，因此不得不面对求解欠定方程组问题。表面上看，求解欠定方程组似乎是无望的，如果信号x是稀疏的或可压缩的，便使得问题可解，观测矩阵具有RIP性质也为从M个观测值中精确恢复信号提供了理论保证。 D. Donoho 等人已证明，当测量矩阵满足RIP 条件时，上述组合优化问题可转化为l1范数约束的凸优化问题，那么对于公式8的求解问题就可以转换求解范数问题。问题就转化一个凸优化问题，可简化为线性规划问题。 当观测值 y中带有噪声时，公式9中的等式 不能满足，因此公式9所示的优化问题应该相应地修改为： 是一个根据噪声水平设定的正常数。 目前出现的重构算法可归纳一下三类： 凸松弛法：这类方法通过将非凸问题转化为凸问题求解找到信号的逼近，如BP算法，内点法，梯度投影方法和迭代阈值法。该类算法的优点是仅需较少的观测值