基于壓缩感知稀疏信号重建的迭代硬阀值算法.docVIP

基于压缩感知稀疏信号重建的迭代硬阀值算法 摘要：nyquist采样速率条件下的信号采样，采样系统表现良好并且信号可以被稀疏向量近似表示时，信号可以被有效而精确地重构。针对无噪声信号，利用确定的稀疏基和随机的观测矩阵，研究迭代硬阀值算法的有效性。若观测矩阵满足有限等距性质(rip)，且稀疏基与随机观测矩阵不相干时，通过该算法，原始信号的稀疏投影可以被高概率重构。最后，利用哈达码正交矩阵作为稀疏基，高斯随机矩阵作为观测矩阵，对原始信号的稀疏投影进行重构，结果验证了该算法的有效性。 关键词：压缩感知；稀疏基； 观测矩阵； 迭代硬阀值 引言 nyquistshannon采样定理50多年来一直作为信号获取系统的基础。运用这个理论，信号以其带宽的两倍采样，而不用考虑额外信号结构。最近涌现的压缩传感理论(compressed sensing,cs)［1］ ,假设信号在某个变换域上稀疏，运用线性变换（例如傅里叶变换、小波变换等）将信号投影到一个低维（比较于nyquist比率）空间上，则少量随机的线性投影中包含了信号的大部分信息，通过非线性解码机制可以高概率精确重建原始信号。cs运用少量的随机投影代替以nyquist比率采样，相比