基于分塊稀疏信號(hào)的壓縮感知貪婪算法研究.pdf

1、汕頭大學(xué)碩士學(xué)位論文題目基于分塊稀疏信號(hào)的壓縮感知貪婪算法研究英文題目ResearchfGreedyAlgithmofCompressedSensingBasedonSparseBlockSignal姓名吳力科吳力科學(xué)號(hào)11009031所在學(xué)院所在學(xué)院工學(xué)院工學(xué)院導(dǎo)師姓名導(dǎo)師姓名莊哲民莊哲民專(zhuān)業(yè)通信與信息通信與信息系統(tǒng)系統(tǒng)入學(xué)時(shí)間入學(xué)時(shí)間2010年9月答辯日期答辯日期2013年5月汕頭大學(xué)工學(xué)院2013屆碩士學(xué)位論文I摘要近些年出現(xiàn)了針

2、對(duì)原信號(hào)具有特殊結(jié)構(gòu)特點(diǎn)的壓縮感知重構(gòu)算法研究，例如塊稀疏信號(hào)，由于現(xiàn)實(shí)中很多的原信號(hào)都具有該結(jié)構(gòu)特點(diǎn)，因此，針對(duì)該信號(hào)的結(jié)構(gòu)特性，探索出一種高效的恢復(fù)算法具有理論和現(xiàn)實(shí)的意義，本文也重點(diǎn)研究該結(jié)構(gòu)下的壓縮感知貪婪算法，并且探索出了兩種基于塊稀疏的壓縮感知貪婪算法；第一、目前，原信號(hào)具有塊稀疏結(jié)構(gòu)特點(diǎn)的貪婪重構(gòu)算法研究主要有BMP、BOMP、BSAMP、BCoSamp，但是它們都存在著一定的缺陷；針對(duì)這些缺陷，本文在深入研究現(xiàn)有的塊稀疏

3、結(jié)構(gòu)特點(diǎn)的貪婪重構(gòu)算法的基礎(chǔ)上，結(jié)合回溯、正則化挑選和自適應(yīng)方法，提出了一種新算法：基于塊稀疏信號(hào)的正則化自適應(yīng)恢復(fù)算法；該算法主要在塊稀疏度未知的前提下，添加了正則化方法對(duì)支撐塊進(jìn)行二次挑選，從而更正確地挑選出塊信號(hào)的支撐塊，實(shí)現(xiàn)信號(hào)的重建；該算法首先在確定塊的稀疏度和選擇步長(zhǎng)后，利用相關(guān)最大化原則實(shí)現(xiàn)支撐塊的初次挑選，然后，依據(jù)已挑選出的支撐塊再進(jìn)行正則化分組，實(shí)現(xiàn)二次挑選，最終通過(guò)循環(huán)迭代正確挑選出整個(gè)信號(hào)的支撐塊；本文分別從信號(hào)

4、的重構(gòu)概率、重構(gòu)復(fù)雜度和重構(gòu)時(shí)間上進(jìn)行仿真實(shí)驗(yàn)，進(jìn)而比較現(xiàn)有基于塊信號(hào)貪婪算法的重構(gòu)性能，實(shí)驗(yàn)表明該算法不僅不需要信號(hào)的塊稀疏度作為先驗(yàn)知識(shí)，且較現(xiàn)有的塊信號(hào)貪婪算法的重構(gòu)概率更高，也比現(xiàn)有的塊稀疏自適應(yīng)貪婪算法所需的迭代次數(shù)和迭代時(shí)間更小，是一種較好的基于塊稀疏信號(hào)的重構(gòu)算法。第二、旨在提高基于塊稀疏的壓縮感知貪婪算法的實(shí)用性，本文針對(duì)分塊大小和塊稀疏未知，提出了分塊大小未知的正則化貪婪算法，該算法是將上述的基于塊稀疏信號(hào)的正則化自適

5、應(yīng)恢復(fù)算法應(yīng)用在支撐塊的分割方法中，整個(gè)過(guò)程分為外循環(huán)和內(nèi)循環(huán)兩個(gè)階段，外循環(huán)階段主要利用了分割方法將信號(hào)均勻分塊，實(shí)現(xiàn)了算法的分階段、分步驟迭代，內(nèi)循環(huán)則是通過(guò)本文提出的正則化自適應(yīng)方法挑選支撐塊；該算法首先在算法運(yùn)行之前預(yù)先設(shè)定一個(gè)信號(hào)的分塊大小，然后通過(guò)本文的自適應(yīng)方法挑選支撐塊，若挑選出的候選支撐塊集合沒(méi)有符合停止條件，則繼續(xù)利用分割方法按照2的倍數(shù)逐步衰減分塊大小，直至前后重構(gòu)信號(hào)的二范數(shù)相等，實(shí)驗(yàn)表明該算法無(wú)論是在均勻分塊信