[发明专利]基于压缩感知的稀疏度自适应变步长匹配追踪方法

摘要

本发明公开了一种基于压缩感知的稀疏度自适应变步长匹配追踪方法，在稀疏度初始值估计部分自适应处理估计初值，避免了稀疏度初值的过估计和欠估计；在重构部分采用Dice系数精确选择原子并在大阶段数下设定步长为固定常数，因此具有较高的重构精度；在稀疏度初始值估计部分初始化稀疏度初始值为并且在重构部分自适应设置步长，使其先以指数估计法得到的大步长逼近真实稀疏度，再以弱匹配法得到的小步长逼近真实稀疏度，因此，本发明具有较低的计算复杂度；本发明实现了重构精度和计算复杂度的高度兼顾，满足复杂性电磁环境里精确重构原始信号的使用需求。

主权项

1.基于压缩感知的稀疏度自适应变步长匹配追踪方法，其特征在于：包括以下步骤：S1：稀疏度初始值估计模块先根据有限等距性质估计出第1个迭代阶段之前的稀疏度初始值K'0，再根据有限等距参数δP对K'0进行自适应处理，得到第1个迭代阶段之前的稀疏度估计值K0，更新第1个迭代阶段之前的支撑集F0以及第1个迭代阶段之前的残差r0；S2：匹配测试模块利用Dice系数选择Kj个匹配的原子，Kj为第j个迭代阶段的稀疏度估计值，j＝0,1…；S3：在支撑集设置模块中，将选择的原子放入该迭代阶段下的第i次迭代的索引值集合Ω_i中，i＝0,1,…，联合第i‑1次迭代的支撑集F_i‑1更新第i次迭代的候选集H_i，计算在第i次迭代的候选集H_i下测量矩阵Φ的伪逆矩阵并更新第i次迭代的支撑集F_i；S4：残差计算模块根据第i次迭代的支撑集F_i下测量矩阵Φ的伪逆矩阵计算第i次迭代的残差r_i；S5：根据步骤S4得到的第i次迭代的残差ri，步长设置模块自适应地设置步长，先以指数估计法得到的大步长逼近真实稀疏度，再以弱匹配法得到的小步长逼近真实稀疏度；S6：判断是否满足结束条件：如果满足，则进行步骤S7；如果不满足，则跳转至步骤S2；S7：利用最终的支撑集原子重构信号。