完全扰动模型下稀疏恢复算法的理论及应用研究.pdf

摘要

压缩感知(CompressedSensing,CS)理论的提出打破了传统的Nyquist采样定理的

局限性.CS理论表明根据信号本身具有的稀疏性和可压缩性特征,利用远少于信号维度

的线性测量就可精确恢复初始信号.这一理论在无线通信、医学图像处理等领域具有十

分广泛的应用.

本文主要分析了完全扰动模型下稀疏信号支撑集的重构问题(即感知矩阵和观测向量

⋆⋆

同时受到噪声污染).具体工作如下:首先对非线性回归A正交匹配追踪(NR-AOMP)

算法进行了分析,利用有限等距性质(RIP)刻画出重构支撑集的充分条件.值得注意的

˜

是,在完全扰动模型下,感知矩阵包含额外的扰动矩阵.分析得出:如果感知矩阵A满足

*=max{2,+}阶RIP条件且相应的RIP常数满足*√︁且信号中最

+

√2(1++)⋆

√

小分量的幅度满足min||,则NR-AOMP算法将在步迭代之后输出

+

∈1−*

⋆

真正的支集.另外给出的一个反例说明一旦违反这一条件,那么NR-AOMP算法无法

在次迭代之内重构x的支撑集.

其次,本文在完全扰动模型的基础上对正交最小二乘(OLS)算法进行了分析,所得

到的结果与现有的条件相比,要限制更小.同时,当扰动矩阵和噪声向量都不存在时,完

全扰动模型就回退为无噪模型,本文中感知矩阵所满足的RIP条件也相应地回退为OLS

算法精确恢复稀疏信号的最优条件.

最后,利用RIP和有限正交常数(ROC)分析多重正交最小二乘(MOLS)算法在完

全扰动模型下精确重构稀疏信号支撑集的条件保证.此外,针对二进制信号提出了多重

二进制最小二乘(MBLS)算法.为验证算法的合理性和有效性,在广义空间调制(GSM)

系统和广义空移键控(GSSK)系统中基于压缩感知设计高效的探测算法的背景下进行了

仿真试验.在试验中,通过设置不同的参数来考察这两种探测算法的探测精度,并与同类

型的探测器的探测精度进行了比较,结果表明MOLS探测算法和MBLS探测算法的错

误率要低于现存的其他类型的探测算法.说明了MOLS和MBLS的优势所在.

关键词:压缩感知,完全扰动模型,稀疏恢复,有限等距性,支撑集重构

I

II

ABSTRACT

Thepropositionofcompressedsensing(CS)surpassesthelimitationofthetradi-

tionalNyquistsamplingtheorem.Thistheorytakesadvantageoflinearmeasurements

whosenumberisfarlessthanthedimensionofs