- 1、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。。
- 2、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。
- 3、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)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、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。
- 6、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。
- 7、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
查看更多
基于冗余字典联合稀疏同步迭代硬阈值算法
基于冗余字典联合稀疏同步迭代硬阈值算法
摘 要:
为了改进基于压缩感知(CS)的欠Nyquist采样系统在冗余字典条件下信号重构的效果,研究了基于ε闭包的分块联合稀疏模型的同步迭代硬阈值(SIHT)算法。分析了采样系统基于多测量向量(MMV)的CS合成模型,提出了ε闭包的分块相干性和约束等距特性(RIP)概念;在迭代过程中根据冗余字典分块相干性,对更新支撑集进行优选从而完成算法改进;给出了迭代收敛常数,并分析了改进型算法的收敛特性。仿真实验结果表明,相比传统算法,改进型算法在采样系统足够的通道数条件下重构成功率可达到100%,噪声抑制能力能够提高7dB~9dB,总运算时间可以降低至少37.9%,信号重构收敛速度更快。
关键词:
冗余字典;联合稀疏;迭代硬阈值;相干性;欠Nyquist采样
0 引言
压缩感知(Compressed Sensing, CS)理论[1-3]是近年发展起来的新的信号获取和信号处理理论。该理论表明,对于稀疏或可压缩信号,通过远低于Nyquist采样速率采样,可精确地实现原始信号恢复。以往的压缩感知信号重构方法主要是针对在正交字典上稀疏表示的信号,但在实际应用中,更多的信号需要在冗余字典中表示[3]。这些冗余字典包括过采样离散傅里叶矩阵、Gabor框架、曲波框架、小波框架等,在欠Nyqiust采样、声信号处理、雷达目标跟踪、核磁共振成像等诸多领域具有广泛的应用[4-6]。在冗余稀疏字典的条件下对信号进行重构时,传统的基于合成模型的方法由于字典的线性相关特性导致信号重构成功率大大降低。而作为合成模型的对偶模型,近年来新出现的分析模型则在解决此问题时具有较好的效果。文献[7-8]根据分析模型中解决冗余字典条件下信号重构问题的思想,在合成模型中提出了基于ε闭包的相干性,并对传统正交匹配追踪(Orthogonal Matching Pursuit, OMP)算法和迭代硬阈值(Iterative Hard Thresholding, IHT)算法进行改进,提高了冗余字典条件下的重构效果。其基本思想是,根据测量矩阵与字典的合成矩阵的列相干性,定义合成矩阵中相干度高于1-ε2的子矩阵的支撑集为ε闭包,在迭代过程中,对每次更新的支撑向量时对属于已选择支撑集的闭包内的支撑向量进行剔除,从而使最终得到的用于信号稀疏表示的字典向量集具有最优的相干特性,保证重构算法的成功率。
目前的基于ε闭包的CS重构方法都是基于稀疏表示向量为单测量向量(Single Measurement Vector, SMV)展开的,但是在欠Nyquist采样的应用中,包括随机解调器(Random Demodulator, RD)[9]、调制宽带转换器(Modulated Wideband Converter, MWC)[10]和基于Gabor框架的欠Nyquist采样系统[11-12]对信号进行采集和处理时,需要解决多测量向量(Multiple Measurement Vector, MMV)的问题。本文将稀疏表示系数为MMV条件下的字典进行分块,提出了分块的ε相干性,并对信号进行块稀疏表示。然后,将信号稀疏表示融合到基于合成模型的CS联合稀疏重构算法中,对传统同步迭代硬阈值(Simultaneous Iterative Hard Thresholding, SIHT)算法进行改进,提出基于ε闭包的合成模型的SIHT算法,用于完成信号重构,还对算法的收敛特性和噪声抑制特性进行了分析。仿真结果表明,本文研究的方法可以提高信号重构成功率,保证采样系统具有较好的噪声抑制特性,改善算法收敛特性并减少总运算时间。
1 基于MMV的CS合成模型
基于CS的欠Nyquist采样系统的信号采样针对模拟信号x(t)∈L2(R),经过重构可获得离散化的向量x∈Rn×1。信号x可以通过冗余字典Υ∈Rn×KL进行稀疏表示,即:
x=Υz(1)
其中z∈RKL×1为稀疏系数。对采样系统获得的数据进行信号重构时,需解决的问题可以简化为MMV问题。一定时间内,不同通道采集到的测量值可用矩阵Y∈RM×L表示,采样系统的系数测量矩阵为C∈RM×K,而稀疏系数可以折叠为一个K×L的矩阵Z,则采样系统重构的CS合成模型[11]可以表示为:
Y=CZ(2)
由文献[13],式(2)等价于式(3):
vec(YT)=(CIL×L)vec(ZT)(3)
其中:vec(ZT)表示Z的行经过转置连成的列向量,IL×L表示L×L的单位阵,CIL×L表示矩阵C和IL×L的Kronecker积。由文献[14],存在互对偶矩阵G和Υ,用GH表示G的共轭转置,IKL×KL表示表示KL×KL的单位阵,则满足IKL×KL=
您可能关注的文档
最近下载
- 《白鹿原》中的女性形象分析.docx VIP
- 基于Java的汽车租赁系统的设计与实现 .docx VIP
- 中医养生,养生膏方功效.pptx VIP
- B16G101-2:中英文双语版16G101-2.pdf VIP
- 2025年四川省康定市辅警招聘考试题题库(含参考答案).docx VIP
- 呼吸器用复合气瓶定期检验与评定.pptx VIP
- 2025年四川省康定市辅警招聘考试题库及答案.docx VIP
- 什么是定向运动.pptx VIP
- 《食品企业管理(第2版》高职全套教学课件.pptx
- “马-萨模式”视域下“双减”政策执行制约因素及纾解路径——基于东中西部6省30个县(市、区)的调查.pdf VIP
文档评论(0)