一种基于压缩感知的信号重建新算法.pdfVIP

下载本文档

10
0
约2.21万字
约 4页
2017-05-20 发布于北京
举报
版权申诉

一种基于压缩感知的信号重建新算法.pdf

1、本文档共4页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

一种基于压缩感知的信号重建新算法.pdf

第53卷第10期电讯技术 Vol.53 No.10 2013年10月 TelecommunicationEngineering Oct. 2013 doi:10.3969/j.issn.1001-893x.2013.10.007 一种基于压缩感知的信号重建新算法* 1,** 2 1 乔田田 ,张宇 ,李维国 (1.中国石油大学(华东) 理学院,山东青岛266580;2.哈尔滨理工大学电气与电子工程学院,哈尔滨 150080) 摘要:在求解基追踪问题的线性化Bregman迭代方法基础上,结合了广义逆的迭代技术得到一种稀疏信号重构的新算法。该算法在计算Moore-Penrose广义逆时,采用了迭代计算的方式,与算法本身相结合使得仅有矩阵向量乘积运算,避免了奇异值分解的较大工作量。通过数值试验可知,新算法相对线性化Bregman算法在计算时间上约减少了2/3,同时信号的恢复效果也是稳定有效的。因此,新算法是一种有效可行的信号重建算法。关键词:信号重构;压缩感知;广义逆;线性化Bregman迭代法;稀疏重构中图分类号:TN911 文献标志码:A 文章编号:1001-893X(2013)10-1289-04 ANewSignalReconstructionAlgorithmBasedonCompressedSensing 1 2 1 QIAOTian-tian ,ZHANGYu ,LIWei-guo (1.CollegeofScience,ChinaUniversityofPetroleum,Qingdao266580,China; 2. CollegeofElectricalandElectronicEngineering,HarbinUniversityofScienceandTechnology,Harbin150080,China) Abstract:Combinedwiththeiterativemethodofgeneralizedinverse,anewalgorithmforsparsesignalre- constructionisdevelopedbasedonlinearizedBregmaniterationforsolvingthebasispursuitproblems.Dur- ingcalculatingMoore-Penrosegeneralizedinverse,thealgorithmonlyhasthematrix-vectormultiplication byiterationcombinedwithitsown,sothatthesingularvaluedecomposition(SVD)isavoided. Thenumer- icalexperimentsshowthecomputationtimehasreducedbyabout2/3thanthatoforiginalalgorithms. Meanwhile,therecoveryofsignalsisstabeandeffective. Sothisnewalgorithmisafeasiblesignalrecon- structionalgorithm. Keywords:signal reconstruction;compress sensing;generalized inverse; linearized Bregman iteration; sparsereconstruction 领域