首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于压缩感知理论的分阶段投影优化多重正交匹配追踪重构算法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:北京工业大学

摘要:一种基于压缩感知理论的分阶段投影优化多重正交匹配追踪重构算法,属于模拟信息转换领域。OMP算法是最常见的贪婪重构算法,其原子选择策略采用内积法。但是,由于感知矩阵列之间不完全正交,感知矩阵列之间的相干性给内积法造成了干扰。因此所述算法采用阶段性回溯优化策略减少了内积法的干扰,从而提高了重构成功率。并且在不过多增加计算量和复杂度的前提下,通过分阶段多原子选择策略保证其重构效率,以及通过阶段性重构策略权衡重构成功率和迭代次数。

主权项:1.一种基于压缩感知理论的分阶段投影优化多重正交匹配追踪重构算法,其特征在于:分为三个阶段:在第一阶段,每次迭代选择3个原子;在第二阶段,每次迭代选择2个原子;在第三阶段,每次迭代选择1个原子;以内积法作为原子选择策略,但是由于感知矩阵的列之间并非完全正交,感知矩阵列之间的相干性给内积法带来了干扰;感知矩阵大小为M×N,其中MN;假设原始信号x是K稀疏的信号,在经过感知矩阵观测后得到观测向量y:y=k1α1+k2α2+k3α3+…+kKαK其中k1~kK为原始信号x在变换域的非零元素,α1~αK为感知矩阵对应的列;内积法被表示如下,以α1这一列计算内积举例; δ是K-1项其他列与α1的内积,再乘上对应的非零元素;由于感知矩阵列之间不完全正交,因此δ为内积中的干扰项且δ≠0;这个干扰会随稀疏度K增加而增大;算法在阶段1执行第一次回溯,利用投影法将支撑集内的原子从K个筛选到L个,LK;第一次回溯后的残差为:r=k1α1+k2α2+…+kK-LαK-L.回溯后第一次内积计算: 因此干扰项δ从原本的K-1项减少到K-L-1项;在阶段2执行第二次回溯,将支撑集内的原子从K个筛选到W个,WK;因此,第二次回溯后干扰项会降低到K-W-1项;在阶段1和阶段2执行回溯步骤前会判断残差的l2范数是否小于阈值Tr;如果残差的l2范数小于Tr,则完成算法,执行输出;若残差的l2范数大于或等于Tr,则执行回溯步骤。

全文数据:

权利要求:

百度查询: 北京工业大学 一种基于压缩感知理论的分阶段投影优化多重正交匹配追踪重构算法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。