[发明专利]一种变步长正则化自适应压缩采样匹配追踪方法在审

专利信息
申请号: 201510811871.6 申请日: 2015-11-20
公开(公告)号: CN105281780A 公开(公告)日: 2016-01-27
发明(设计)人: 廖勇;周昕;李瑜锋;陈民安;陈玲;张舒敏 申请(专利权)人: 重庆大学
主分类号: H03M7/30 分类号: H03M7/30
代理公司: 暂无信息 代理人: 暂无信息
地址: 400044 *** 国省代码: 重庆;85
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 步长 正则 自适应 压缩 采样 匹配 追踪 方法
【权利要求书】:

1.本发明提出一种变步长正则化自适应压缩采样匹配追踪方法,具体为:

针对正则化匹配追踪(ROMP)存在的稀疏度K难以获取和原子一旦选入无法删除的两大问题,给出了一套解决方案,并提出了一种新的重构方法;

该方法包含的创新有:

S1,ROMP需要提前知道信号的稀疏度K,而实际中往往难以获取稀疏度K,提出将稀疏度自适应匹配追踪(SAMP)的自适应思想运用于ROMP中;

S2,ROMP采用向前追踪的方法更新支撑集,原子一旦被选入支撑集将永久存在、无法删除,提出将压缩采样匹配追踪(CoSaMP)的回溯思想运用于ROMP中;

S3,采用分阶段正交匹配追踪(StOMP)思想设置阈值条件停止迭代,改进了所引入的SAMP的固定步长所带来的精度不够以及过度估计问题。

2.根据权利要求1所述的一种变步长正则化自适应压缩采样匹配追踪方法,其特征在于,所述权利要求1中针对ROMP存在的稀疏度K难以获取和原子一旦选入无法删除的两大问题,给出了一套解决方案,并提出了一种新的重构方法包括:

符号说明如下:

压缩观测y=Φx,其中y为M×1维的观测所得向量,x为N×1(M<<N)维的原信号,x一般不是稀疏的,但可以在某个变换域Ψ下表示为稀疏的,即x=Ψθ,其中θ为K稀疏的,是信号x在某变换域的稀疏表示;此时y=ΦΨθ,令A=ΦΨ,则y=Αθ,其中,Φ称为测量矩阵,大小为M×N;Ψ称为稀疏矩阵,大小为N×N;A称为传感矩阵,大小为M×N;

一种变步长正则化自适应压缩采样匹配追踪方法的具体流程如下:

输入:

(1)M×N维的传感矩阵A;

(2)M×1维的观测向量y;

(3)步长S;

输出:

(1)M×N维的稀疏估计

(2)M×1维的残差rM

以下流程中:rt表示残差,t表示迭代次数,表示空集,J0表示每次迭代找到的索引(列序号),Λt表示t次迭代的索引(列序号)集合(元素个数为L,L与步长S相关),aj表示矩阵A的第j列,At={aj}(对于所有的j∈J0)表示按索引集Λt选出的列集合,为待估计的值,符号∪表示集合并运算,<·,·>表示求内积,abs[·]表示求模值,u表示矩阵A的第j列与残差rt-1的内积的模值,u(i)表示矩阵A的第i列与残差rt-1的内积的模值;

流程:

步骤1、初始化r0=y,L=S,t=1;

步骤2、计算u=abs[ATrt-1](即计算<rt-1,aj>,1≤j≤N),选择u中2L个最大值,将这些值对应A的列序号j构成集合J(列序号集合);

步骤3、正则化:在集合J中寻找子集J0,满足:|u(i)|≤2|u(j)|,对于所有的i,j∈J0,选择所有满足要求的子集J0中具有最大能量的J0

步骤4、令Λt=Λt-1∪J0,At=At-1∪aj(对于所有的j∈J0);

步骤5、求y=Atθt的最小二乘解:

步骤6、从中选出绝对值最大的L项记为对应的At中的L列记为AtL,对应的A的列序号记为ΛtL,记为集合Λt=ΛtL

步骤7、更新残差

步骤8、判断是否满足停止迭代条件1,若满足,进入步骤9,若不满足,进入步骤10;

步骤9、判断是否满足迭代条件2,若满足,则停止迭代,进入步骤11,若不满足,则改变步长S=S/2,L=L+S,t=t+1返回步骤2继续迭代;

步骤10、判断是否满足||rtnew||2≥||rt-1||2,若满足,更新L=L+S,t=t+1返回步骤2继续迭代;若不满足,则更新rt=rtnew,t=t+1,如果t≤M则停止迭代进入步骤11,否则返回步骤2继续迭代;

步骤11、重构所得在ΛtM处有非零项,其值分别为最后依次迭代所得的

上述停止迭代条件1和停止迭代条件2分别如下:

停止迭代条件1:相邻两个阶段中重建信号能量差

停止迭代条件2:相邻两个阶段中重建信号能量差或||θ^(t-1)L||2||θ^tL||2;]]>

关于停止迭代条件中两个阈值T1和T2的取值,应考虑阈值与压缩目标本身以及采样率(M/N)的密切关系,故应根据后续的大量实验结果综合考虑。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于重庆大学,未经重庆大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201510811871.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top