[发明专利]基于压缩感知正交匹配追踪算法的一种融合改进方法

摘要

本发明公开了基于压缩感知正交匹配追踪算法的一种融合改进方法，属于压缩感知技术领域。本发明基于正交匹配追踪算法，改进压缩感知重构算法，实现信号重构，突破现有算法信号重构成功率的瓶颈；提出以先验参数控制正交匹配追踪算法在融合过程中所占比重，通过可控融合实现算法改进；提出以正交匹配追踪算法得到的原子集和现有算法融合的方式进行算法改进，改进方式简单有效，显著提高信号重构成功率。本发明提高了现有算法的重构成功率，实现了低测量值下的高成功率重构，适用于多种压缩感知重构算法，对于压缩感知理论的进一步应用具有有效促进作用。

主权项

基于压缩感知正交匹配追踪算法的一种融合改进方法，并基于相应的仿真系统实现改进后的算法信号重构，系统具有先验条件获取模块，原有算法更新模块，信号重构模块，原信号输出模块，具体包括以下步骤：第一步，先验条件获取；步骤1，输入测试集数据，包括多个原信号x，传感矩阵A，其中A∈RM×N，A＝ΦΨ，是测量矩阵和稀疏基底矩阵的乘积，以及对应的测量值y＝Ax，原信号稀疏度S，输入现有的重构算法，算法函数为alg(y，A，S)；步骤2，在不同S，x，A，y下，运行OMP算法OMP(y，A，S)和现有算法alg(y，A，S)分别得到重构信号估计值计算两算法重构误差分别得到ε1，ε2；步骤3，根据两算法重构误差对比设定参数p，p∈[0，1]，默认p＝1，当ε1＞ε2时，p值一般设定为[0.5，1]，当ε1＜ε2，p值一般设定为[0，0.5]，得到不同M，S，N值下的p的估计区间；第二步，原有算法更新，使算法alg(y，A，S)能在已知部分原子集I的情况下重构出稀疏信号对于不同类型的算法更新方法如下：a.贪婪类算法，算法输入更新为初始化更新如下：支撑集F0＝I，支撑集大小|F0|＝a，重构的稀疏信号为N×1的零向量，残差对于支撑集F中索引加入后不改变的算法，初始化迭代次数i＝a，对于支撑集F中索引加入后会改变的算法，初始化迭代次数i＝1；迭代停止条件更新为(i＜S)|(ri+1＞ri)；b.迭代阈值类算法：算法输入更新为初始化更新如下：重构的稀疏信号为N×1的零向量，残差c.最小l1范数法：将最小化问题变成min||xIc||1s.t.y=Ax]]>其中代表I的补集；第三步，信号重构；步骤1，输入：传感矩阵A，测量值y，稀疏度S；步骤2，运行算法OMP(y，A，S)得到支撑集构造函数得到原子集I，I是中的前floor(S×p)(表示小于(S×p)的最大整数)个索引集合；步骤3，运行算法alg(y，A，S，I)，得到重构信号第四步：原信号输出，根据重构出原信号并输出重构结果。