[发明专利]多量测压缩感知的感知矩阵构建方法、系统及存储介质

说明书

本发明公开了多量测压缩感知的感知矩阵构建方法、系统及存储介质，所述方法包括获取原始信号的采样数据；生成随机矩阵作为量测矩阵对采样数据进行稀疏量测，得到量测数据；根据量测的次数与所述量测矩阵中行数的大小关系，通过待构建的感知矩阵对所述量测数据进行重构，输出对原始信号的估计以实现原始信号的恢复。本发明将感知矩阵设计问题转化为带有约束条件的最小二范数优化问题，通过联合正交匹配追踪算法对稀疏信号进行重构，从而提高信号恢复的成功率和准确性。

技术领域

本发明涉及信号处理技术领域，特别涉及一种多量测压缩感知的感知矩阵构建方法、系统及存储介质。

背景技术

压缩感知是一种全新的信号处理方法，其核心思想是通过对信号非自适应、不完全的量测，恢复出原始的稀疏信号。由于压缩感知可以突破奈奎斯特采样定理的限制，因此，广泛应用于数据压缩、图像处理、医学信号处理、信号参数估计等相关领域。

传统的压缩感知在信号的稀疏量测阶段和稀疏重构阶段均采用同一量测矩阵，并通过恢复算法实现对信号的恢复。而所述量测矩阵是一个冗余矩阵，其列向量间存在较强的相关性，当用贪婪类算法对信号进行稀疏重构时会使得信号支撑集的恢复产生错误，造成信号的稀疏重构效果差，信号成功恢复概率低，影响信号重构的性能。

因此，现有技术还有待改进和提高。

发明内容

本发明有必要为了解决现有技术中未利用量测数据以高概率重构原始信号，且在信号稀疏重构时信号支撑集不准确而影响信号重构效果问题，提供一种多量测压缩感知的感知矩阵构建方法、系统及存储介质，旨在使得感知矩阵和量测矩阵对应的列向量间强相关的约束条件下，获得较小的局部累计互相关(LCCC，local cumulative cross-coherence)，降低稀疏信号支撑集恢复错误产生率，提升压缩感知中贪婪类恢复算法的性能，从而准确还原原始信号。

本发明解决上述技术问题所采用的技术方案如下：

本发明提供一种多量测压缩感知的感知矩阵构建方法，所述多量测压缩感知的感知矩阵构建方法包括：

获取原始信号的采样数据；

生成随机矩阵作为量测矩阵对采样数据进行稀疏量测，得到量测数据；

根据量测的次数与所述量测矩阵中行数的大小关系，通过待构建的感知矩阵对所述量测数据进行重构，输出对原始信号的估计以实现原始信号的恢复。

所述的多量测压缩感知的感知矩阵构建方法，其中，所述获取原始信号的采样数据具体包括：

获取原始信号；

对所述原始信号进行采样得到采样数据。

所述的多量测压缩感知的感知矩阵构建方法，其中，所述生成随机矩阵作为量测矩阵对采样数据进行稀疏量测，得到量测数据具体包括：

通过软件生成一个随机矩阵作为量测矩阵；

设置量测的次数；

根据量测的次数，通过所述量测矩阵对所述采样数据进行稀疏量测，构建所有量测次数对应的量测数据。

所述的多量测压缩感知的感知矩阵构建方法，其中，所述根据量测的次数与所述量测矩阵中行数的大小关系，通过待构建的感知矩阵对所述量测数据进行重构，输出对原始信号的估计以实现原始信号的恢复具体包括：

获取量测的次数和所述量测矩阵的行数；

比较量测次数与行数的大小；

根据比较结果，构建感知矩阵；

通过所述构建的感知矩阵对所述量测数据进行重构，输出对原始信号的估计。