[发明专利]基于拟牛顿法的智能匹配追踪稀疏重建方法

权利要求书

1.一种基于拟牛顿法的智能匹配追踪稀疏重建方法，其特征在于包括如下步骤：

步骤1，将基于L0范数最小化的压缩感知重建问题建模为找到原始信号的估计支撑集，其中，y为测量信号；Θ_I为与集合I中索引值相对应的列所组成的感知字典子集；为Θ_I的伪逆运算；

步骤2，输入变量，包括：测量信号y，感知矩阵Θ，稀疏度K，参数：内循环的最大迭代次数N_max，外循环的最大迭代次数M_max，温度参数T₁，设定最小误差E；

步骤3，使用基于拟牛顿法的智能匹配追踪稀疏重建算法求解优化问题智能搜索全局最优解，得到原始信号的估计支撑集I^*；具体过程是：

3-1)将作为适应度函数，评价智能搜索种群中个体的优异程度；

3-2)初始化种群个体：计算Θ^T*y，选取K个具有最大数值的索引值集合作为初始个体I₀，其中，Θ^T为Θ的转置运算；

3-3)外循环第i次迭代

3-3-1)克隆操作：对I_i进行克隆，得到I′_i；

3-3-2)内循环第j次迭代

3-3-2-1)在集合中随机选取q个元素建立集合Q，其中，S为原始信号索引值集合[1，2，...，N]；

3-3-2-2)组合集合基于下式计算d_i，μ_i：

其中，为内循环第j-1次迭代计算所得重建信号；为内循环第j-1次迭代更新方向；为与中索引值相对应的列所组成的感知字典子集；

3-3-2-3)计算即为中具有K个最大绝对数值的索引值集合；

3-3-2-4)基于metropolis原则更新个体：若p≤η，选择作为更新个体I_i，否则，选择作为更新个体I_i，其中p通过下式计算，η为[0，1]之间的随机数；

3-3-2-5)计算其中，supp(s)为s的支撑集，即非零元素索引集合；s为原始信号在稀疏基下的稀疏表示信号；

3-3-3)选择操作：基于使用度函数f(I)，选取适应度函数值最小的个体作为最优个体bestindividual；

3-3-4)更新参数T_i＝T₁/log(i+1)：

3-3-5)判断是否满足终止条件，若是则跳出循环，否则，跳至3-3-1)继续循环操作；

3-4)输出最优个体bestindividual即为原始信号的估计支撑集；

步骤4，使用最小二乘法计算重建信号：其中，为重建信号非零元素数值集合；为重建信号零元素集合。

2.如权利要求1所述的基于拟牛顿法的智能匹配追踪稀疏重建方法，其特征在于：所述步骤3-3-5)中，终止条件为：内外循环次数分别达到最大迭代次数N_max，M_max，或者更新个体与原始信号之间的误差小于等于设定最小误差E。