压缩感知理论下扩展迭代重加权最小二乘算法的性能分析.pdf

第５３卷　第２期 中山大学学报 （自然科学版） Ｖｏｌ５３　Ｎｏ２ 　 ２０１４年　３月 ＡＣＴＡ　ＳＣＩＥＮＴＩＡＲＵＭ　ＮＡＴＵＲＡＬＩＵＭ　ＵＮＩＶＥＲＳＩＴＡＴＩＳ　ＳＵＮＹＡＴＳＥＮＩ Ｍａｒ　２０１４　 压缩感知理论下扩展迭代重加权 最小二乘算法的性能分析 陈小玲，赵慧民，魏文国 （广东技术师范学院电子与信息学院，广东广州５１０６６５） 摘　要：利用最稀疏表示重构原始信号是压缩感知理论的核心，而基于几何影射约束的最小 范数凸优化算法 ｌ １ 是其实现的主要方法。目前，解决最小 范数问题的关键是迭代重加权最小二乘算法 （ ， ｌ（ｐ １） ＩＲＬＳ ０＜ｐ ≤ ≤ ｐ －ｐ １），但其收敛和实时性较差。为此，文中从最小化矩阵秩的角度出发对一类扩展迭代重加权最小二乘算法 （ＥＩＲＬＳ ）进行性能实现分析，用以改进ＩＲＬＳ 算法的连续迭代收敛性及其实时性能。验证结果表明，ＥＩＲＬＳ －ｐ －ｐ －０ 和ｓＥＩＲＬＳ 算法性能优于奇异值门限 （ＳＶＴ）算法。同时，在没有先验知识的情况下，ｓＥＩＲＬＳ 算法性能也优于 －０ －０ 迭代硬阈值 （ＩＨＴ）算法。 关键词：迭代重加权；矩阵秩；压缩感知；Ｆｒｏｂｅｎｉｕｓ范数 中图分类号：ＴＮ９１１７２　　文献标志码：Ａ　　文章编号：０５２９－６５７９（２０１４）０２－００２３－０６ ＴｈｅＰｅｒｆｏｒｍａｎｃｅＡｎａｌｙｓｉｓｏｆＥｘｔｅｎｄｉｎｇＩｔｅｒａｔｉｖｅＲｅｗｅｉｇｈｔｅｄＬｅａｓｔ ＳｑｕａｒｅｓＡｌｇｏｒｉｔｈｍＣｏｍｐｒｅｓｓｅｄＳｅｎｓｉｎｇＴｈｅｏｒｙ ＣＨＥＮＸｉａｏｌｉｎｇ，ＺＨＡＯＨｕｉｍｉｎ，ＷＥＩＷｅｎｇｕｏ （ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｏｎｉｃａｎｄＩｎｆｏｒｍａｔｉｏｎ，ＧｕａｎｇｄｏｎｇＰｏｌｙｔｅｃｈｎｉｃＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ， Ｇｕａｎｇｚｈｏｕ５１０６６５，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：ＴｈｅｋｅｒｎｅｌｔｅｃｈｎｏｌｏｇｙｏｆＣｏｍｐｒｅｓｓｅｄｓｅｎｓｉｎｇｔｈｅｏｒｙｉｓｔｏｆｉｎｄｔｈｅｓｐａｒｓｅｓｔｒｅｐｒｅｓｅｎｔａｔｉｏｎｔｏ ｒｅｃｏｖｅｒｏｒｉｇｉｎａｌｓｉｇｎａｌｄａｔａ，ｉｎｗｈｉｃｈｔｈｅｃｏｎｖｅｘｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍｏｆｍｉｎｉｍｉｚａｔｉｏｎｔｈｅｌｎｏｒｍｉｓａ １ ｉｍｐｏｒｔａｎｔｍｅｔｈｏｄ．Ａｔｐｒｅｓｅｎｔ，ａｋｅｙａｌｇｏｒｉｔｈ