论文部分内容阅读
随着21世纪智能传感器网络进一步延伸,不计其数的传感器产品的投入使用,高速信息处理正面临巨大挑战,这些传感器设备采集的数据将是前所未有的。现今,绝大多数传感器以香农-奈奎斯特采样定理为指导进行信号采集,而香农-奈奎斯特信号采集技术限定了最低信息采样率,是准确重构原始数据信号的充分非必要条件。近年来,压缩感知技术的提出突破了香农-奈奎斯特信号采集技术限定的最低信息采样频率限制,以基于信号稀疏度的低信号采样率获取观测信号,并依据现有的重构算法将观测信号重构为原始信号。本文针对优化压缩感知重构算法性能,提出了基于压缩感知理论的迂回式匹配追踪算法和预知支撑集回环匹配追踪算法。本文的主要研究工作如下:提出一种迂回式匹配追踪算法。迂回式匹配追踪(DMP)是一种计算复杂度低、准确率高、对传感矩阵列相关性要求低的贪婪重构稀疏信号算法。DMP中子内积逆和系数矩阵递增递减核心式被提出并证明,DMP利用子内积逆和系数矩阵减少残差误差变化量的计算量,达到降低计算复杂度的目的。另外,DMP采用先逐个最优缩减、后逐个最优扩增假定支撑集元素的方法提高重构准确率和扩大重构稀疏信号的稀疏度范围。DMP算法复杂度分析表明,DMP算法中获取、缩减和扩增假定支撑集的复杂度分别为2O(K N),O(b(K?b)N)和O(b(K?b)N)。加权间接重构0-1稀疏信号实验结果表明,对于稀疏度为M/2的0-1稀疏信号,DMP、逐步贪婪追踪(GPA)、子空间追踪(SP)、压缩采样追踪(CoSaMP)、正交匹配追踪(OMP)的重构准确率分别为99%,65%,0%,0%和13%。非零值服从正态分布的稀疏信号实验结果也表明DMP的重构准确率优势显著。提出一种回环匹配追踪算法。针对部分压缩感知贪婪迭代类重构算法中误删正确支撑集元素的缺点,本文提出了一种改进的保护支撑集元素的回环重构算法。该算法依据最小残差内积更新非受保护支撑集元素,然后依据观测向量在非受保护支撑集对应观测子矩阵上的投影,选择对应投影绝对值最大的非受保护支撑集元素添加到受保护支撑集,最后输出受保护支撑集,重构原始信号。实验结果表明,对于非零值服从正态分布的稀疏信号,本文算法重构稀疏度小于观测值一半数目的稀疏信号的准确率超过86%;对于含噪稀疏信号,本文算法的重构准确率能够维持在99%以上,且准确率波动极小。