[发明专利]低采样率下权重重置的L1范数最小化稀疏重构方法和系统

权利要求书

1.一种低采样率下权重重置的L1范数最小化稀疏重构方法，其特征在于，

获取原始信号，并利用基于梯度投影的稀疏重构算法对所述原始信号进行处理，得到凸优化问题模型；

采用迭代求解法对所述凸优化问题模型进行求解，并且根据权重重置公式设定每一迭代值的权重，得到带权重的凸优化问题模型，所述权重重置公式为根据每一次的迭代值、核心参数β和预设参数τ求取对应权重的公式，所述权重重置公式为：

其中，w(i)为第i个迭代值的权重值，τ为预设参数，β为核心参数且β＞1，为第i个迭代值；

根据所述带权重的凸优化问题模型对所述原始信号进行稀疏重构。

2.根据权利要求1所述的低采样率下权重重置的L1范数最小化稀疏重构方法，其特征在于，

利用模拟仿真法构造β最佳公式，并根据所述β最佳公式设置所述β的值。

3.根据权利要求2所述的低采样率下权重重置的L1范数最小化稀疏重构方法，其特征在于，利用模拟仿真法构造β最佳公式，并根据所述β最佳公式设置所述β的值的过程包括：

获取所述β的测量值序列；

对所述测量值序列中的不同测量值分别进行模拟仿真，获得每一所述测量值对应的采样率；

确定各个所述采样率中的最低采样率，并将所述最低采样率对应的β作为标杆β；

根据所述标杆β构造所述β最佳公式，并根据所述β最佳公式设置所述β的值。

4.根据权利要求1至3中任一项所述的低采样率下权重重置的L1范数最小化稀疏重构方法，其特征在于，

当所述原始信号为具有相关性的多个稀疏信号时，利用每一所述稀疏信号对应的高斯感知矩阵对相应的稀疏信号进行测量，得到矩阵形式的测量结果；

将所述测量结果代入所述凸优化问题模型，得到联合重构模型；

根据所述联合重构模型对各个所述稀疏信号进行稀疏重构。

5.根据权利要求4所述的低采样率下权重重置的L1范数最小化稀疏重构方法，其特征在于，

利用同维度的任意向量简化联合重构模型。

6.一种低采样率下权重重置的L1范数最小化稀疏重构系统，其特征在于，包括：

获取单元，用于获取原始信号，并利用基于梯度投影的稀疏重构算法对所述原始信号进行处理，得到凸优化问题模型；

处理单元，用于采用迭代求解法对所述凸优化问题模型进行求解，并且根据权重重置公式设定每一迭代值的权重，得到带权重的凸优化问题模型，所述权重重置公式为根据每一次的迭代值、核心参数β和预设参数τ求取对应权重的公式，所述权重重置公式为：

其中，w(i)为第i个迭代值的权重值，τ为预设参数，β为核心参数且β＞1，为第i个迭代值；

稀疏重构单元，用于根据所述带权重的凸优化问题模型对所述原始信号进行稀疏重构。

7.根据权利要求6所述的低采样率下权重重置的L1范数最小化稀疏重构系统，其特征在于，

所述处理单元利用模拟仿真法构造β最佳公式，并根据所述β最佳公式设置所述β的值。

8.根据权利要求7所述的低采样率下权重重置的L1范数最小化稀疏重构系统，其特征在于，所述处理单元包括：

测量值获取模块，用于获取所述β的测量值序列；

模拟仿真模块，用于对所述测量值序列中的不同测量值分别进行模拟仿真，获得每一所述测量值对应的采样率；

判断模块，用于确定各个所述采样率中的最低采样率，并将所述最低采样率对应的β作为标杆β；

设置模块，用于根据所述标杆β构造所述β最佳公式，并根据所述β最佳公式设置所述β的值。