發(fā)布時(shí)間：2017-08-14 08:23

  本文關(guān)鍵詞：基于SL0范數(shù)的改進(jìn)稀疏信號(hào)重構(gòu)算法

  更多相關(guān)文章： 壓縮感知 稀疏信號(hào)重構(gòu)算法 平滑l范數(shù) 奇異值分解

【摘要】：平滑范數(shù)(Smoothed l0,SL0)壓縮感知重構(gòu)算法通過(guò)引入平滑函數(shù)序列將求解最小l0范數(shù)問(wèn)題轉(zhuǎn)化為平滑函數(shù)優(yōu)化問(wèn)題,可以有效地用于稀疏信號(hào)重構(gòu)。針對(duì)平滑函數(shù)的選取和算法穩(wěn)健性問(wèn)題,提出一種新的平滑函數(shù)序列近似范數(shù),結(jié)合梯度投影法優(yōu)化求解,并進(jìn)一步提出采用奇異值分解(Singular value decomposition,SVD)方法改進(jìn)算法的穩(wěn)健性,實(shí)現(xiàn)稀疏度信號(hào)的精確重構(gòu)。仿真結(jié)果表明,在相同的測(cè)試條件下,本文算法相比OMP算法、SL0算法以及L1-magic算法在重構(gòu)精度、峰值信噪比方面都有較大改善。
【作者單位】： 南京航空航天大學(xué)電子信息工程學(xué)院;六盤水師范學(xué)院物理與電子科學(xué)系;
【關(guān)鍵詞】： 壓縮感知 稀疏信號(hào)重構(gòu)算法 平滑l范數(shù) 奇異值分解
【基金】：國(guó)家自然科學(xué)基金(61201367)資助項(xiàng)目 南京航空航天大學(xué)博士學(xué)位論文創(chuàng)新與創(chuàng)優(yōu)基金(BCXJ14-08)資助項(xiàng)目 江蘇高校優(yōu)勢(shì)學(xué)科建設(shè)工程資助項(xiàng)目
【分類號(hào)】：TN911.7
【正文快照】： 引言近幾年壓縮感知理論(Compressive sensing,CS)受到越來(lái)越廣泛的關(guān)注[1-3]。與傳統(tǒng)的奈奎斯特采樣定理不同,CS理論對(duì)于具有稀疏性或可壓縮的信號(hào),可將數(shù)據(jù)采樣與壓縮同時(shí)過(guò)求解一個(gè)優(yōu)化問(wèn)題從少量的觀測(cè)值以高概率重構(gòu)出原始信號(hào),極大地降低所需時(shí)間,且質(zhì)量損失較小,一經(jīng)出

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前1條

1 王超;王銘江;李玉清;史姝麗;;基于位置集回驗(yàn)的并聯(lián)分片頻譜壓縮感知算法[J];數(shù)據(jù)采集與處理;2011年04期

【共引文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前2條

1 于華楠;張敬P，

本文編號(hào)：671678