压缩感知中测量矩阵与重建算法的协同构造

李佳; 王强; 沈毅; 李波

doi:10.3969/j.issn.0372-2112.2013.01.006

您当前的位置：

首页 >

文章列表页 >

压缩感知中测量矩阵与重建算法的协同构造

学术论文 | 更新时间：2025-07-16

- 压缩感知中测量矩阵与重建算法的协同构造
- Collaborative Construction of Measurement Matrix and Reconstruction Algorithm in Compressive Sensing
- 电子学报 2013年41卷第1期页码：29-34
- 作者机构：
  
  哈尔滨工业大学控制科学与工程系,黑龙江,哈尔滨,150001
- 作者简介：
- 基金信息：
  
  国家自然科学基金 (No.61174016,No.61171197)
- DOI：10.3969/j.issn.0372-2112.2013.01.006
  中图分类号： TN911
- 纸质出版：2013
- 稿件说明：
移动端阅览
李佳, 王强, 沈毅, 等. 压缩感知中测量矩阵与重建算法的协同构造[J]. 电子学报, 2013,41(1):29-34.

LI Jia, WANG Qiang, SHEN Yi, et al. Collaborative Construction of Measurement Matrix and Reconstruction Algorithm in Compressive Sensing[J]. Acta Electronica Sinica, 2013, 41(1): 29-34.
李佳, 王强, 沈毅, 等. 压缩感知中测量矩阵与重建算法的协同构造[J]. 电子学报, 2013,41(1):29-34. DOI： 10.3969/j.issn.0372-2112.2013.01.006.

LI Jia, WANG Qiang, SHEN Yi, et al. Collaborative Construction of Measurement Matrix and Reconstruction Algorithm in Compressive Sensing[J]. Acta Electronica Sinica, 2013, 41(1): 29-34. DOI： 10.3969/j.issn.0372-2112.2013.01.006.

摘要

本文提出基于感知字典的迭代硬阈值(SDIHT)算法

以此协同构造压缩感知中测量矩阵与重建算法.将成对测量矩阵与感知字典分别用于压缩投影和构造重建算法

重建迭代至残差为零

从而精确恢复原始稀疏信号.本文证明了SDIHT算法精确恢复原始稀疏信号的充分条件.SDIHT算法的优点是重建精度高和计算复杂度低.仿真实验表明

当信号稀疏度或测量次数相同时

相比IHT、OMP和BIHT算法

SDIHT算法重建0-1稀疏信号和二维图像效果更好、算法效率更高.

Abstract

This paper proposes a novel Sensing Dictionary-based Iterative Hard Thresholding (SDIHT) algorithm

which can collaboratively construct the measurement matrix and the reconstruction algorithm in compressive sensing.Pairs of measurement matrix and sensing dictionary are used for compressive projection and designing reconstruction algorithm respectively.The original sparse signal can be recovered exactly until the residual is reduced to zero as iteration proceeds.A sufficient condition for SDIHT algorithm is given and proved.The benefit of SDIHT is its high reconstruction accuracy and low computational complexity.Computer simulation indicates that when the signal sparsity or the measurement number is fixed

SDHIT algorithm can reconstruct 0-1 sparse signal and two dimensional images with better performance and higher efficiency than IHT

OMP and BIHT algorithm can.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于深度压缩感知的联合信源信道编码方法研究

正交压缩采样系统时域分析

低信噪比下非凸化压缩感知超宽带信道估计方法