压缩感知重构算法在稀疏信号恢复中的应用.pdfVIP

Vo I.29.No.5 山西大同大学学报(自然科学版) 第 29 卷第 5 期 Journal of Shanxi Datong University(Natural Science) Oct 2013 2013 年 10 月 文章编号:1674-0874(2013)05-∞01-03 压缩感知重构算法在稀疏信号恢复中的应用 宋晓霞，李勇 (山西大同大学数学与计算机科学学院，山西大同 037009) 摘要:阐述了压缩感知理论产生的背景、基本原理和应用方式，研究了两类压缩感知重构算法的重构思想和 方法，并将两类重构算法的典型算法正交匹配追踪和基追踪应用于稀疏信号的重构。结果表明:对于无噪观测和 含较小噪声的观测，正交匹配追踪算法从重构频率和重构时间两方面显示出更好的性能。 关键词:压缩感知;重构算法;稀疏信号;贪婪追踪算法;凸松弛算法 申圈分类号: TN9 1l 文献标识码:A 么信号X 可以凭借这些观测y 通过求解优化问题 由于 ShannonlNyquist 采样定理能为模拟数据 (1)而精确恢复。 采样提供理论基础，因此它的提出是电子信息技术 发展史上的一个重要里程碑事件。近半个世纪以来 min 11 1JßX 11 1 s.t. φ1JßX =yo (1) 令E =φ1Jß，如果对于任意一个稀疏度为 k 的信号 的数据采样均以 ShannonlNyquist 采样定理为基础。 然而，在诸如图像和视频处理、超宽带信号处理、 X 和常数8 E (0 , 1) ，矩阵@满足式(2)， k 核磁共振、空间探测、无线传感器网络等实际应用 11 EX 11; 1 - 8k 三一一一寸ι :s; 1 + 8k (2) 11 X 11; 一 中，均需要两倍带宽的 Nyquist 采样率，但硬件设 备的升级还是无法满足这些应用的需要。 2006 年 则称@满足 RIP 属性。当@满足 RIP 属性或观测 D. Donoho、 E. Candes 和 T. Tao 等提出了一种被称 矩阵φ 和稀疏基qr 不相关的条件下， CS 能利用优 为压缩感知(compressed sensing, CS) 的新的信息获 化算法从少量的观测数据中以很高的概率完全地 取理论问。由于CS 框架下的数据处理体系能利用 重构出原始信号。 CS 的应用可以总结为:首先在采 稀疏信号的本质特征，用低维投影来捕捉高维信号 样端对稀疏信号或可压缩信号以远低于 Nyquist 标 的特征，并通过重构算法从低维投影中提取出高维 准的采样频率进行信号采样的同时，对数据进行了 信号的信息，因此，在它问世的短短几年里就受到 一定程度的压缩，并进行存储，传输到终端用户 国内外学者的广泛关注和研究。 后，在终端用户通过优化重建的方法从压缩观测中 1 CS 理论 提取原始信号的信息。因此，重构算法和观测矩