基于差值映射的压缩感知MUSIC算法.pdfVIP

第37 卷第8 期 电 子 与 信 息 学 报 Vol.37 No.8 2015 年8 月 Journal of Electronics Information Technology Aug. 2015 基于差值映射的压缩感知MUSIC 算法 *①② ① 吕志丰 雷 宏 ①(中国科学院电子学研究所 北京 100190) ②(中国科学院大学 北京 100049) 摘 要：多快拍(MMV)问题旨在恢复具有相同稀疏结构的多列信号。在传统阵列信号处理中MMV 问题的求解通 常采用多重信号分类(MUSIC)等确定性方法实现，但当快拍数不足或存在相干源时该类方法失效；而在压缩感知 (CS)的概率求解模型下，即使信源相干也能得到恢复结果，但现有算法普遍性能不足。近期Kim 等人的研究表明， 将CS 与MUSIC 相结合可得到比二者更加优秀的性能和更为宽泛的使用条件，该方法被称作压缩感知 MUSIC 或 CS-MUSIC 算法。作为一种投影型非凸优化算法，差值映射(DM)最早用于解决X 射线晶体学中的相位恢复问题， 并逐渐在其他非凸及压缩感知问题的求解中展示出优良性能。该文提出一种基于差值映射的CS-MUSIC 算法，仿 真结果表明该算法在MMV 问题求解中十分有效，相比经典CS-MUSIC 具有更高的恢复成功率。 关键词：压缩感知；多快拍问题；联合稀疏；多重信号分类；差值映射 中图分类号：TN911.72 文献标识码：A 文章编号：1009-5896(2015)08-1874-05 DOI: 10.11999/JEIT141542 Compressive Sensing MUSIC Algorithm Based on Difference Map ①② ① Lü Zhi-feng Lei Hong ① (Institute of Electronics, Chinese Academy of Sciences, Beijing 100190, China) ② (University of Chinese Academy of Sciences, Beijing 100049, China) Abstract: The Multiple Measurement Vectors (MMV) problem addresses the recovery of unknown input vectors which share the same sparse support. The Compressed Sensing (CS) has the capability of estimating the sparse support even in coherent cases, where the traditional array processing approaches like MUltiple SIgnal Classification (MUSIC) often fail. However, CS guarantees the accurate recovery in a probabilistic manner, and often shows inferior performance in cases where t