[发明专利]一种分布式压缩感知中自适应阈值迭代重构方法

权利要求书

1.一种分布式压缩感知中自适应阈值迭代重构方法，其特征在于，已知感知矩阵A和观测值Y，根据Y＝Ax的测量关系，估计出原始信号x的一种分布式压缩感知中自适应阈值迭代重构方法，所述方法至少包括以下步骤：

步骤一、输入：感知矩阵A，观测值Y，最大迭代次数inter_max，迭代终止门限error，联合稀疏度s，迭代初值x^k；

初始化：迭代次数inter＝1，正则化参数μ，支撑集S＝{||(A^TY)_i||₂最大的s个索引，i∈[1，N]}；

步骤二、计算自适应步长τ和自适应阈值h；

步骤三、计算

步骤四、比较和h的大小，获得迭代结果x^k+1，如果则x^k+1＝0；否则，

步骤五、更新支撑集S，修正x^k+1；

步骤六、计算残差R，R＝||Y-Ax^k+1||₂，更新迭代初值x^k＝x^k+1，更新迭代次数inter＝inter+1；

步骤七、如果inter＜inter_max或R＞error，则重复步骤二至步骤六；否则，终止迭代，得到估计信号

2.根据权利要求1所述的一种分布式压缩感知中自适应阈值迭代重构方法，其特征在于步骤一中所述观测值Y，具体如下：

对J个信号进行观测得到观测值Y：

Y＝[y₁ y₂…y_J]，

y_j是信号j的观测值，M为观测值y_j的数据的个数，j∈[1，J]，N为信号采集数据的长度。

3.根据权利要求1所述的一种分布式压缩感知中自适应阈值迭代重构方法，其特征在于步骤二中对自适应步长τ和自适应阈值的计算，至少还包括如下过程：

1)计算参数rk，H＝Ax^k-Y，其中H_i，j为矩阵H的第i行第j列个元素；

2)计算自适应步长τ，

3)根据参数μ和自适应步长τ，计算自适应阈值h，

4.根据权利要求1所述的一种分布式压缩感知中自适应阈值迭代重构方法，其特征在于步骤五中支撑集S的更新和x^k+1的修正，至少包括以下步骤：

1)更新支撑集S，从N个x^k+1的行向量的l₂范数中选取最大的s个l₂范数，其对应的行的索引赋值给支撑集S，S＝{||x^k+1_i||₂最大的s个索引，i∈[1，N]}；

2)修正x^k+1，其中，supp()表示为获取支撑集的算子。