压缩感知的冗余字典及其迭代软阈值实现算法 redundant dictionaries of compressed sensing and an application algorithm of iterative soft threshold.pdfVIP

第18卷第1期 电路与系统学报 V01．18No．1 2013年2月 JOURNALOFCIRCUITSANDSYSTEMS February，2013 01．0059．06 文章编号：1007—0249(20131 压缩感知的冗余字典及其迭代软阈值实现算法+ 赵慧民·， 倪霄2 (1．广东技术师范学院电子与信息学院，广东广州510665；2．冠微科技(深圳)有限公司，广东深圳518125) 摘要一冗余字典的信号稀疏分解是一种新的信号表示理论，采用超完备的冗余函数系统代替传统的正交基函数， 为信号自适应地稀疏扩展提供了极大的灵活性。本文研究了压缩感知理论下的冗余字典、测量矩阵及其限制等容特性 (RIP，Restricted lsometry 高的信号恢复率。 关键词t压缩感知；冗余字典；迭代阈值算法；限制等容特性；测量矩阵 TN911．72 中圈分类号t 文献标识码：A 1 引言 压缩感知CS(CompressedSensing)的稀疏信号表示理论通常基于正交线性变换，但许多信号是 各种自然现象的混合体，这些混合信号在单一的正交基变换中不能非常有效地表现出来。例如，一个 含有脉冲和正弦波形的混合信号，既不能用单一的脉冲基函数，也不能用单一的正弦基函数有效地表 示。为此，CS理论采用一种新的信号稀疏表示技术，称为冗余字典，来表示这类混合信号。其基函数 用称之为字典的超完备的冗余函数系统取代，字典的选择尽可能好地符合被逼近信号的结构，其构成 可以没有任何限制，而字典中的元素被称为原子。从字典中通过测量矩阵找到具有最佳线性组合的m 项原子来表示一个信号，称作信号的稀疏逼近或高度非线性逼近。所以，测量矩阵的选择是关键，而 压缩感知测量矩阵满足的充分必要条 件就是RIP。因此，RIP为CS信号的稀疏 测量和精确重构提供了理论保证。 CS理论的三个组成要素是信号的 稀疏变换(目前的稀疏变换有离散余弦 变换DCT，小波Wavelet，Curvelet，过 (a)原始图像 (b)噪声污染80％图像(c)CS恢复图像 atom 完备原子分解(Overcomplete 图l CS重构恢复的原始信号． Decqmposition)等；稀疏信号的非相干 测量及稀疏信号的重建算法…1。CS主要思想是对一类具有稀疏先验的信号，先经小部分非线性测量矩 阵进行采样，其包含足够信息良好逼近信号，再通过一定类型的线性或非线性解码机制就可高概率精 确重建原始信号(见图1)。其中，非相干测量矩阵的RIP界定和快速有效的迭代阈值实现算法是CS理 论实用化的关键因素之一，也是CS的主要研究内容之一。 2 相关知识 CS的基本问题是确定线性非自适应测量矩阵，使稀疏信号测量样本数据玎最小化，最终使s个非 零元素的信号x∈R。能够稳定恢复。其中以的每一个矢量值都可作为稀疏信号z的内积，所有矢量值 作为矩阵甲的行，吵=(吵．，y：，．．．，少。)，妒∈R”。，即有S=败。基于上面的概念，所谓的CS理论为：在 2012-06-11 +收稿日期t 修订日期：2012-08—26 (20128010100035) 万方数据 电路与系统学报 第18卷 适当选择的稀疏基y上具有s稀疏描述的以个采样信号石，可通过它在另一组非相干基 痧=(卵，杉，．．．，《)上ffl y：m：卯rs。其中，咖为测量基，其构成的m×玎维矩阵为测量矩阵。咖妒7为传感系统矩阵，J，为 测量向量。从S中恢复x的方法，主要是凸优化算法和贪婪算法。凸优化算法是基于三，最小范数模型 实现的，主要包括迭代阈值和Bregman(布雷格曼)算法。贪婪算法是基于迭代计算工的支撑，包括正 Pursuit)和基追踪BP算法(