一种压缩采样中的稀疏度自适应子空间追踪算法

杨 成; 冯 巍; 冯 辉; 杨 涛; 胡 波

您当前的位置：

首页 >

文章列表页 >

一种压缩采样中的稀疏度自适应子空间追踪算法

科研通信 | 更新时间：2025-07-16

- 一种压缩采样中的稀疏度自适应子空间追踪算法
- A Sparsity Adaptive Subspace Pursuit Algorithm for Compressive Sampling
- 电子学报 2010年38卷第8期页码：1914-1917
- 作者机构：
  
  复旦大学电子工程系,上海,200433
- 作者简介：
- 基金信息：
  
  国家自然科学基金 (No.60972024);教育部博士点基金 (No.20090071120087);专用集成电路与系统国家点实验室开放课题 (No.ZD20080101,No.KF20080402)
- DOI：
  中图分类号： TP391.41
- 纸质出版：2010
- 稿件说明：
移动端阅览
杨成, 冯巍, 冯辉, 等. 一种压缩采样中的稀疏度自适应子空间追踪算法[J]. 电子学报, 2010,38(8):1914-1917.

YANG Cheng, FENG Wei, FENG Hui, et al. A Sparsity Adaptive Subspace Pursuit Algorithm for Compressive Sampling[J]. Acta Electronica Sinica, 2010, 38(8): 1914-1917.
杨成, 冯巍, 冯辉, 等. 一种压缩采样中的稀疏度自适应子空间追踪算法[J]. 电子学报, 2010,38(8):1914-1917. DOI：

YANG Cheng, FENG Wei, FENG Hui, et al. A Sparsity Adaptive Subspace Pursuit Algorithm for Compressive Sampling[J]. Acta Electronica Sinica, 2010, 38(8): 1914-1917. DOI：

摘要

针对压缩采样中未知稀疏度的信号

本文提出一种自适应子空间追踪算法.首先

采用了一种基于匹配测试的估计方法获取稀疏度的估计值

再通过子空间追踪重构信号.若子空间追踪不能成功重构

则通过渐近增加信号稀疏度的方法实施估计

而上述过程可描述为在弱匹配原则下新原子的选取过程.仿真结果表明

本文的算法可以准确有效重构信号

同时运算量也较低.

Abstract

A novel sparsity adaptive subspace pursuit algorithm is proposed for sparse signals with unkown sparsity.First

a new sparsity estimation method based on matching test is used to get an initial estimated value.If subspace pursuit cannot reconstruct sparse signal successfully

the estimated value is increased each iteration.Weak matching is used in the iteration to select new atoms.Compared to other algorithms

it is competitive both in running speed and recovering accuracy.

关键词

Keywords

references

浏览量

3075

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

一种基于粒子群优化方法的改进量子遗传算法及应用

基于DIVA模型的脑电信号去噪方法研究

一种新的基于稀疏分解的单通道混合语音分离方法