专利名称：基于压缩传感的一种自校验稀疏度自适应匹配追踪算法的制作方法
技术领域：
本发明涉及一种基于压缩传感理论的自校验稀疏度自适应匹配追踪算法，属于压缩传感技术领域。
背景技术：
自Cand6s 和 Donoho 于 2OO6 年正式提出压缩传感理论(Compressed Sensing, CS)以来，该理论成为信号处理学界的一个重要想法，在过去的几年里受到极大关注。CS理论突破传统奈奎斯特定理要求信号采样率不得低于信号带宽2倍的瓶颈，将压缩与采样合并进行，采集信号测量值而后根据重构算法重构出原信号。CS理论主要包括信号的稀疏表示、编码测量和重构算法这三个方面，重构算法作为CS理论的核心，现主要有最小11范数法、贪婪算法、迭代阈值法及最小全变分法等。其中贪婪算法又叫匹配追踪类算法，此类算法最早出现为正交匹配追踪算法(OrthogonalMatchingPursuit, 0ΜΡ)，而后有对满足约束等距性条件的矩阵和稀疏信号都可精确重构的正则正交匹配追踪(Regularized OMP, ROMP),以及采用回溯思想的压缩采样匹配追踪算法(CompressiveSampling Matching Pursuit, CoSaMP)、子空间追踪算法(SubspacePursuit, SP)，针对实际情况下信号稀疏度未知的问题，有稀释度自适应匹配追踪算法(Sparsity Adaptive Matching Pursuit, SAMP)。然而 SAMP 算法中起始步长 s 的选择仍存在问题，过小的s更加适合信号恢复但导致重构时间过长，s过大则导致信号恢复失败率提高，这导致SAMP算法在进行迭代前需根据重构信号类型预估计起始步长s，目前s的最优选择仍是一个开放性问题。本发明提出一种自校验稀疏度自适应匹配追踪算法，针对实际情况下信号稀疏度未知，采用阶段性转换改变支撑集大小逐步逼近信号稀疏度，继承回溯思想，并创新性的提出自校验思想，克服之前稀疏度自适应算法中起始步长需预估计的瓶颈；同时算法无需退出便可自身校验迭代是否成功，使各算法间有效融合成为可能。
发明内容本发明的目的是为了解决压缩传感理论中稀疏度自适应算法中起始步长需预估计的瓶颈，提出一种基于压缩传感理论的自校验稀疏度自适应匹配追踪算法。本发明的目的是通过下述技术方案实现的(I)输入传感矩阵
权利要求
1.一种基于压缩传感理论的自校验稀疏度自适应匹配追踪算法，包括以下步骤 (1)输入传感矩阵Φ(Μ*N)，测量值y，自校验阈值α，自校验次数上限η； (2)初始化s= M/(2*log2(N))，重构稀疏信号^为NXl的零向量，残差rQ = y，支撑集K =0，支撑集大小L0 = s, k = I ; (3)计算残差Iv1与传感矩阵φ中各列向量的内积值
2.根据权利要求1所述的一种基于压缩传感理论的自校验稀疏度自适应匹配追踪算法，其特征在于创新性的提出自校验思想，设定自校验阈值，在步骤￠)中对残差r进行Ir I2-1 Iiv1I I2 < α自校验，自校验思想使当前阶段中支撑集F经多次迭代趋近稳定，从而确保算法的成功率。
3.根据权利要求1所述的一种基于压缩传感理论的自校验稀疏度自适应匹配追踪算法，其特征在于设置有自校验次数上限η，既保证了合理的重构时间又使算法能够自校验错误迭代，与传统重构算法相较，无需最后输出重构的稀疏信号i与X相比较才知算法是否成功，算法在本身重构过程中自身检测迭代是否出现错误，一旦出现自校验次数超过η便知该阶段迭代不稳定并跳出该次迭代，重新初始化，从而可以实现与其他算法的有效结合。
全文摘要
一种基于压缩传感理论的适用于信号重构的自校验稀疏度自适应匹配追踪算法，属于压缩传感技术领域。本发明无须得知信号稀疏度便可重构出原始信号，克服之前稀疏度自适应算法中起始步长需预估计的瓶颈；提出并采用自校验思想对迭代过程进行检查，算法无需退出便可自身校验迭代是否成功，使各算法间有效融合成为可能，并在保障重构质量的前提下缩短重构时间。本发明改进了信号重构时间并在重构成功率上具有明显优势，这必将进一步促进压缩传感理论应用于实际。
文档编号H03M7/30GK103036574SQ201210536059
公开日2013年4月10日 申请日期2012年12月13日 优先权日2012年12月13日
发明者孙桂玲, 何静飞, 左杰, 王志红 申请人:南开大学