基于压缩感知的未知稀疏度信号重构方法.pdfVIP

论坛 Forum 鼓据通信 2016.2 基于压缩感知的未知稀疏度信号重构方法 季彪李有明刘小青李程程闰玉芝 (宁波大学通信技术研究所浙江省宁波市315211 ) 摘要:压缩感知是一种通过少量的采样值即可以实现稀疏信号准确重构的信号未样理论。本文研究 压缩感知的信号重构算法，提出了一种基于支荐集扩展的盲稀疏度子空间追踪算法。该算法在获得稀疏度 估计值后，采用SP算法得到初始支撑集和余量，然后利用逐个添加原子的方式扩展支撑集，从而精确重建信 号。仿真结果表明，本文提出的算法可以准确的重构出稀疏度未知的信号，具有更高的实用性。 关键宇:压缩感知;稀疏度估计;正交匹配追踪;子空间追踪 中图分类号: TN911 文献标识码:A 1 号|言 正则化正交匹配追踪 (Re伊larized OMP ,ROMP)但囔 压缩感知 (Compressed Sensing ,CS) 理论是由 法等等。但是，这些算法在信号具有较高的稀疏度 时，信号重构效果不是很理想。子空间追踪 Donoho 、 Candes以及Tao[叫等人于2006年提出的信号 采样理论。该理论表明:信号在满足可压缩或者在变 (Subspace Pursuit ,SP)[10] 算法引入了回溯的思想，在 每次迭代中都会对支撑集中的原子进行检验和修 换域内是稀疏的条件下，可以在低于奈奎斯特速率 正，使得该算法具有较高的重构精度并且计算复杂 的情况下进行采样，并且能够以较高的概率重构信 度低。但是，该算法精确重构稀疏信号的先决条件是 号[抖]。 i亥理论在信号的采集上突破了传统的奈奎斯 稀疏度已知，这在现实中很难满足。实际应用中需要 特采样定理，实现了在采样的同时进行数据压缩，成 预先估计稀疏度，而稀疏度估t十往往存在误差，稀疏 功的克服了因采样数据量巨大导致采样时间、传感 度估计值高于实际值，SP算法就失去了精确重构的 元以及数据存储空间等物理资源严重浪费的问题， 能力;低于实际值，SP算法的鲁棒性和重构精度都会 这使得压缩感知在信号处理领域有突出的优点和广 下降。 阔的应用前景。 根据上述情况，SP算法精确重构信号所需要的 压缩感知理论有三个核心问题:信号稀疏变换、 先决条件之一是需要信号的稀疏度己知，而在实际 观视IJ 矩阵的设计和重构算法。其中，重构算法是一个 应用中信号的稀疏度往往是未知的，sp算法的重构 至关重要的阶段，它的主要目的是从仅有的低维数 精度受到了估计稀疏度的制约。对此，OMP算法可以 据中最大限度地恢复出原始的高维数据。目前国内 通过逐个增加原子到支撑集的方式来逼近余量门 外已有多篇关于重构算法的论文发表，主