主权项 |
一种有效的“0,1”稀疏信号的压缩感知重构方法,包括稀疏均匀的观测矩阵的构建和基于二分图的迭代重构;其特征在于:(1)所述稀疏均匀的观测矩阵的构建步骤如下:(1.1)压缩采样的二分图表示针对本身具有K‑稀疏特性的N×1中子脉冲序列,即原始信号x,其压缩采样表示为y=Φx;其中,Φ为M×N的观测矩阵,y为M×1的测量值;根据二分图的定义,将原始信号x和观测值y看作两个集合,即二分图的两个顶点,观测矩阵Φ看作是二分图的边,压缩采样过程即可以通过二分图进行直观表示;(1.2)添加约束条件(1.2a)二分图中共有l=ML条边;(1.2b)观测值y的每个顶点有且仅有l<sub>y</sub>=L条边,即观测矩阵Φ的每行的零范数均为||Φ(i,:)||<sub>0</sub>=L;(1.2c)与原始信号x连接的边数<img file="FDA0001122370690000011.GIF" wi="263" he="88" />即观测矩阵Φ的每列的零范数<img file="FDA0001122370690000012.GIF" wi="406" he="91" />(1.3)构建观测矩阵依据上述约束条件,结合原始信号x特殊的“0,1”稀疏结构,观测矩阵Φ(M×N)需要满足以下三个特征:A.||Φ(i,:)||<sub>0</sub>=L;B.i(Φ(i,:)≠0)≠j(Φ(j,:)≠0);C.ΣiΦ(i,:)≠∑jΦ(j,:),(i,j∈(1,2,...M),i≠j);即Φ的每一行中有且仅有L个非零元素,非零元素所在位置点每一行不重复, Φ的每一行元素的和值唯一;满足上述特性的观测矩阵Φ通过以下算法构建:(1.3a)生成随机位置点矩阵θ(M×L),1≤θ<sub>ij</sub>≤N,Θ<sub>i</sub>表示θ的第i行元素集合;(1.3b)构造高斯矩阵G(M×N);(1.3c)产生观测矩阵<img file="FDA0001122370690000021.GIF" wi="1083" he="129" />对于K‑稀疏原始信号x,压缩感知重构需要的观测值数量为:M=O(K·logN);若K‑稀疏原始信号x的所有元素均被观测,那么二分图边的数量l至少为N·logN;因此,<img file="FDA0001122370690000022.GIF" wi="1294" he="95" />其中S为稀疏比;(2)基于二分图的迭代重构:针对观测值y=φx,本方法涉及的信号重构算法如下:(2.1)如果<img file="FDA0001122370690000023.GIF" wi="491" he="59" />(2.2)如果<img file="FDA0001122370690000024.GIF" wi="682" he="120" />(2.3)对于已重构的x<sub>i</sub><img file="FDA0001122370690000025.GIF" wi="440" he="108" />令φ<sub>ij</sub>=0,j∈θ<sub>j</sub>;Φ<sub>kj</sub>=0,k≠j,k=1,2,...,M;(2.4)迭代(2.1)、(2.2)、(2.3)至没有x<sub>i</sub>可以重构,将已重构的x<sub>i</sub>的位置点存入Γ,i∈Γ;(2.5)最终得到重构信号<img file="FDA0001122370690000026.GIF" wi="643" he="112" /> |