發(fā)布時間：2018-03-06 11:41

  本文選題：壓縮感知　切入點：結(jié)構(gòu)擾動　出處：《系統(tǒng)工程與電子技術(shù)》2017年01期 　論文類型：期刊論文

【摘要】：針對壓縮感知稀疏信號恢復,提出了一種對測量結(jié)構(gòu)擾動和粗差同時魯棒的l1正交匹配追蹤(structure perturbation and outlier robust l1-orthogonal matching pursuit,l1-SPOR-OMP)算法。該算法利用l1范數(shù)對粗差的魯棒性,分別約束信號和擾動的擬合誤差,進而通過交替迭代使它們同時到達最小,從而同時實現(xiàn)對信號和擾動的有效魯棒恢復;由于算法僅需求解支撐位置的有效擾動,因此極大地降低了算法的計算復雜度。此外,為了進一步提高算法的恢復效率,也提出了使用魯棒OMP方法來估計有效擾動的l1,2-SPOR-OMP算法。在證明了所提出算法收斂性的同時,分析了運算復雜度。數(shù)值仿真的結(jié)果驗證了所提算法的有效性和優(yōu)越性。
[Abstract]:For the recovery of compressed perceptual sparse signals, a l1-orthogonal matching structure perturbation and outlier robust l1-orthogonal matching demanding l1-SPOR-OMP-based algorithm is proposed, which is robust to both structural disturbances and gross errors. The algorithm utilizes the robustness of l 1-norm to gross errors. The fitting error of the signal and the disturbance is constrained respectively, and then they reach the minimum simultaneously by alternating iteration, so that the effective robust recovery of the signal and the disturbance can be realized simultaneously, because the algorithm only needs to solve the effective disturbance of the support position. Therefore, the computational complexity of the algorithm is greatly reduced. In addition, in order to further improve the recovery efficiency of the algorithm, a robust OMP method is proposed to estimate the effective perturbation. The convergence of the proposed algorithm is proved. The computational complexity is analyzed and the effectiveness and superiority of the proposed algorithm are verified by numerical simulation.
【作者單位】： 復旦大學信息科學與工程學院電子工程系智慧網(wǎng)絡(luò)與系統(tǒng)研究中心;
【分類號】：TN911.72

【相似文獻】

相關(guān)會議論文 前2條

1 任偉建;陳建玲;韓冬;王鳳妤;;蟻群算法綜述[A];2007中國控制與決策學術(shù)年會論文集[C];2007年

2 張丹;華紅艷;邵麗紅;;擾動蟻群算法中參數(shù)的優(yōu)化選擇[A];中國自動化學會中南六�。▍^(qū)）2010年第28屆年會·論文集[C];2010年

相關(guān)博士學位論文 前1條

1 王允良;飛行器總體參數(shù)優(yōu)化的進化算法及其應(yīng)用研究[D];西北工業(yè)大學;2006年

相關(guān)碩士學位論文 前10條

1 孟曉琳;蟻群算法的研究及其應(yīng)用[D];西南交通大學;2015年

2 丁雪海;基于群智能的多目標關(guān)聯(lián)規(guī)則挖掘算法應(yīng)用研究[D];上海大學;2014年

3 陳貞貞;基于FPGA的壓縮感知恢復算法的研究與實現(xiàn)[D];中國科學院研究生院(空間科學與應(yīng)用研究中心);2015年

4 葛曼;基于稀疏表示的魯棒相位恢復算法研究[D];燕山大學;2016年

5 胡瀛月;人工蜂群算法的改進及相關(guān)應(yīng)用研究[D];中原工學院;2016年

6 高明芳;基于粒子群蟻群混合算法的物流車輛路徑問題研究[D];內(nèi)蒙古農(nóng)業(yè)大學;2016年

7 周文明;基于智能算法的移動機器人路徑規(guī)劃研究[D];南京理工大學;2016年

8 岳振芳;教與學優(yōu)化算法的改進研究[D];寧夏大學;2016年

9 陳振;混合型蝙蝠搜索優(yōu)化算法及其應(yīng)用研究[D];廣西大學;2014年

10 宋錦娟;一種改進的蟻群算法及其在最短路徑問題中的應(yīng)用[D];中北大學;2013年

，

本文編號：1574693