科创中国

一种基于变步长的稀疏度自适应匹配追踪算法

原文链接：万方

• 作者：

  毕学霞,尚振宏,强振平,刘辉

• 摘要：

  压缩感知(Compressed Sensing,CS)理论突破了传统的采样定率,对于稀疏的或可压缩的信号,可同时进行采样和压缩.其中重构算法是压缩感知理论的研究热点之一,对采样过程的正确性验证有着重要意义.稀疏度自适应匹配追踪算法(Sparsity Adaptive Matching Pursuit,SAMP)在迭代过程中采用固定步长,容易导致过估计和欠估计.为解决该问题,根据相邻信号能量差的变化规律,在迭代过程中采用对数型的"变步长",即迭代的初始阶段步长增长速度较快,当能量差达到一定阈值时,则步长增长速度较慢,并设置双阈值严格控制逼近的精确度.实验表明,改进后算法提高了重构质量,尤其是在当采样率较低时,仍有较好的重构效果.

• 关键词：

  压缩感知 重构算法 稀疏度自适应 匹配追踪

• 作者单位：

  昆明理工大学信息工程与自动化学院%西南林业大学计算机与信息学院

• 基金项目：

  国家自然科学基金项目(71161015)%昆明市科技局项目(08S100310)%中国科学院太阳活动重点实验室项目(KLSA201310)

• 来源期刊：

  系统仿真学报

• 年，卷(期)：

  2014009