CN104320144B - 稀疏度自适应信号重构方法 - Google Patents
稀疏度自适应信号重构方法 Download PDFInfo
- Publication number
- CN104320144B CN104320144B CN201410658642.0A CN201410658642A CN104320144B CN 104320144 B CN104320144 B CN 104320144B CN 201410658642 A CN201410658642 A CN 201410658642A CN 104320144 B CN104320144 B CN 104320144B
- Authority
- CN
- China
- Prior art keywords
- signal
- residual error
- degree
- reconstruction
- supported collection
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Abstract
本发明涉及信号处理技术。本发明公开了一种稀疏度自适应信号重构方法,包括步骤:S0、以输入信号为残差;S1、根据残差设定阈值,进行匹配滤波得到与信号相关的原子Jk;S2、利用所述步骤S1得到的原子建立候选集;S3、判断残差是否衰减;S4、若所述步骤S3判断为是,则利用所述步骤S2得到的候选集建立支撑集,转到步骤S7;S5、若所述步骤S3判断为否,则对步长进行更新;S6、利用所述步骤S5得到的步长建立支撑集,进入步骤S7;S7、根据支撑集对信号进行逼近,得到重构信号;S8、利用所述步骤S7得到的重构信号计算得到重构残差;S9、返回步骤S1,以步骤S8得到的重构残差为残差进行循环迭代,直到连续两次重构残差小于给定值,得到最佳重构信号。本发明能在信号稀疏度未知的情况下进行精确重构。
Description
技术领域
本发明涉及压缩感知、信号处理技术领域,特别涉及一种基于分段正交匹配跟踪的稀疏度自适应信号重构方法。
背景技术
在信号处理技术中,传统贪婪重构方法有匹配追踪(Matching Pursuit,缩写为MP。参见MALLAT S,ZHANG Z.Matching Pursuit with time-frequency dictionaries[J].IEEE Trans.Sig.Proc.,1993,41(12):3397-3415.)、正交匹配追踪(OrthogonalMatching Pursuit,缩写为OMP。参见TROPP J,GILBERT A.Signal recovery from randommeasurements via orthogonal matching pursuit[J].IEEE Transactions onInformation Theory,2007,53(12):4655-4666.)、压缩采样匹配追踪(CompressiveSampling MP,缩写为CoSaMP参见NEEDELL D,TROPP J A.CoSaMP:Iterative signalrecovery from incomplete and inaccurate samples[J].Applied and ComputationalHarmonic Analysis,2009,26(3):301-321.)和子空间追踪(Subspace Pursuit,缩写为SP。参见DAI W,MILENKOVIC O.Subspace pursuit for compressive sensing signalreconstruction.2008 5th International Symposium on Turbo Codes and RelatedTopics,2008,402-407.)。这些传统方法只是适用于在信号的先验信息稀疏度已知的情况下,比如分段正交匹配跟踪方法。在信号重构方法中,分段正交匹配跟踪方法适合于大规模系统,该方法在降低计算复杂度、保证估计精度的同时,还有严谨的渐进统计特性分析。但是,在实际问题中信号的稀疏度往往是未知的,这使得传统的贪婪重构方法在信号重构应用的价值大为降低。
发明内容
本发明所要解决的技术问题,就是提供一种稀疏度自适应信号重构方法,在信号稀疏度未知的情况下进行精确重构。
本发明解决所述技术问题,采用的技术方案是,稀疏度自适应信号重构方法,其特征在于,包括以下步骤:
步骤S0、以输入信号为残差;
步骤S1、根据残差设定阈值,进行匹配滤波得到与信号相关的原子Jk;
其数学表达为:Jk={J:|ΦT·rk-1|>tkσk};其中,2≤tk≤3,ΦT是测量矩阵的转置矩阵,J为匹配滤波得到的原子,k代表第k次迭代,rk-1为第k次迭代时的残差,n为输入信号的维度,tk为第k次迭代的门限参数,σk为第k次迭代的噪声级,tkσk即为第k次迭代的设定阈值;
步骤S2、利用所述步骤S1得到的原子建立候选集;
步骤S3、判断残差是否衰减;
步骤S4、若所述步骤S3判断为是,则利用所述步骤S2得到的候选集建立支撑集,转到步骤S7;
步骤S5、若所述步骤S3判断为否,则对步长进行更新;
步骤S6、利用所述步骤S5得到的步长建立支撑集,进入步骤S7;
步骤S7、根据支撑集对信号进行逼近,得到重构信号;
步骤S8、利用所述步骤S7得到的重构信号计算得到重构残差;
步骤S9、返回步骤S1,以步骤S8得到的重构残差为残差进行循环迭代,直到连续两次重构残差小于给定值,得到最佳重构信号。
具体的,所述步骤S5具体是以候选集与步骤S1中得到的原子个数和来更新步长。
具体的,所述步骤S7具体为,先对支撑集中的原子进行正交化处理,再对信号进行逼近,得到重构信号。
具体的,所述对信号进行逼近,具体是采用最小二乘拟合法对信号进行逼近。
本发明的有益效果是,可以在信号稀疏度未知的的情况下,对信号的稀疏度进行估计,并根据估计值对信号进行重构。本发明方法既能对大尺度信号进行良好的重构,也能在信号稀疏度未知的情况下进行精确重构。
附图说明
图1是本发明的流程图。
具体实施方式
下面结合附图,详细描述本发明的技术方案。
本发明采用自适应变步长来对信号的稀疏度进行估计。在此基础上,本发明首先以输入信号为残差,然后根据设定阈值的大小,对输入信号进行匹配滤波,再利用得到的原子建立候选集,在此基础上根据残差衰减判断对步长进行更新得到支撑集,最后根据新的支撑集实现信号重构。
本发明稀疏度自适应信号重构方法为循环迭代的过程,以k表示第k次迭代,k=1,2…N,其流程如图1所示,包括以下步骤:
步骤S0,以输入信号为残差,
步骤S1、根据所述残设定阈值,进行匹配滤波得到原子;
本步骤中,匹配滤波表示为通过残差与测量矩阵中原子作内积,并给定选择原子的阈值,从而选出与残差最为相关的原子J,其数学表达式为Jk={J:|ΦT·rk-1|>tkσk}。其中,2≤tk≤3,ΦT是测量矩阵的转置矩阵,k代表第k次迭代,rk-1为第k次迭代时的残差,如r0为第一次迭代时的残差,也称为初始残差,由输入信号得到,tkσk为第k次迭代的设定阈值,n为输入信号的维度,tk为第k次迭代的门限参数,σk为第k次迭代的噪声级,tkσk即为第k次迭代的设定阈值。
步骤S2,利用所述步骤S1中得到的原子建立候选集;
本步骤中,建立候选集的数学表达式为:Ck=Fk-1∪Jk,其中C为候选集,F为支撑集,J为匹配滤波得到的原子,k代表第k次迭代,并规定F0为空集。
步骤S3,对每次迭代得到的残差判断其是否衰减;
步骤S4、若步骤S3判断为是,则利用所述步骤S2得到的候选集建立支撑集,转到步骤S7;
步骤S5、若所述步骤S3判断为否,则对步长进行更新;
步骤S6、利用所述步骤S5得到的步长建立支撑集,进入步骤S7;
步骤S5和步骤S6中,建立支撑集的具体做法以更新后的步长作为建立支撑集的步长,然后根据测量矩阵和步长选出与输入信号最为相关的原子。其数学表达式为:Fk为支撑集,y为输入信号,Bk为步长,是第k次迭代的测量矩阵的转置矩阵。
对于如果残差不衰减,则如果残差衰减,则Ck为候选集,为以候选集Ck中原子构成的测量矩阵的转置矩阵。这两种情况下步长Bk有不同的值。
步骤S7,先对支撑集中的原子进行正交化处理,再通过逼近方法对信号进行逼近,从而实现信号重构。
其中对信号的逼近采用最小二乘拟合法。
步骤S8,利用步骤S7得到的重构信号计算得到重构残差,其数学表达式为:其中k代表第k次迭代,是测量矩阵的转置,Fk为支撑集,xk为重构信号,rk为第k次迭代得到的重构残差,为以支撑集Fk中原子构成的测量矩阵的转置矩阵。
步骤S9,返回步骤S1,以步骤S8得到的重构残差为残差进行循环迭代,直到连续两次重构残差小于给定值,得到最佳重构信号。其数学表达式为:||rN-1||<ε,||rN||<ε。其中ε为一个给定值,一般取10-4。即以第N次迭代得到的重构信号xN为最佳重构信号。
Claims (4)
1.稀疏度自适应信号重构方法,其特征在于,包括以下步骤:
步骤S0、以输入信号为残差;
步骤S1、根据残差设定阈值,进行匹配滤波得到与信号相关的原子Jk;
其数学表达为:Jk={J:|ΦT·rk-1|>tkσk};其中,2≤tk≤3,ΦT是测量矩阵的转置矩阵,J为匹配滤波得到的原子,k代表第k次迭代,rk-1为第k次迭代时的残差,n为输入信号的维度,tk为第k次迭代的门限参数,σk为第k次迭代的噪声级,tkσk即为第k次迭代的设定阈值;
步骤S2、利用所述步骤S1得到的原子建立候选集;
步骤S3、判断残差是否衰减;
步骤S4、若所述步骤S3判断为是,则利用所述步骤S2得到的候选集建立支撑集,转到步骤S7;
步骤S5、若所述步骤S3判断为否,则对步长进行更新;
步骤S6、利用所述步骤S5得到的步长建立支撑集,进入步骤S7;
步骤S7、根据支撑集对信号进行逼近,得到重构信号;
步骤S8、利用所述步骤S7得到的重构信号计算得到重构残差;
步骤S9、返回步骤S1,以步骤S8得到的重构残差为残差进行循环迭代,直到连续两次重构残差小于给定值,得到最佳重构信号。
2.根据权利要求1所述的稀疏度自适应信号重构方法,其特征在于,所述步骤S5具体是以候选集与步骤S1中得到的原子个数和来更新步长。
3.根据权利要求1或2所述的稀疏度自适应信号重构方法,其特征在于,所述步骤S7具体为,先对支撑集中的原子进行正交化处理,再对信号进行逼近,得到重构信号。
4.根据权利要求3所述的稀疏度自适应信号重构方法,其特征在于,所述对信号进行逼近,具体是采用最小二乘拟合法对信号进行逼近。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410658642.0A CN104320144B (zh) | 2014-11-18 | 2014-11-18 | 稀疏度自适应信号重构方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410658642.0A CN104320144B (zh) | 2014-11-18 | 2014-11-18 | 稀疏度自适应信号重构方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104320144A CN104320144A (zh) | 2015-01-28 |
CN104320144B true CN104320144B (zh) | 2017-12-22 |
Family
ID=52375340
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410658642.0A Active CN104320144B (zh) | 2014-11-18 | 2014-11-18 | 稀疏度自适应信号重构方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104320144B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105281779B (zh) * | 2015-11-04 | 2018-12-14 | 哈尔滨工业大学 | 多观测值向量稀疏度自适应压缩采样匹配追踪方法 |
CN105548994B (zh) * | 2015-12-08 | 2017-12-12 | 天津工业大学 | 一种基于压缩感知的水下多亮点目标的检测方法 |
CN106646418B (zh) * | 2017-01-16 | 2019-04-16 | 河海大学 | 一种基于改进omp的机载雷达杂波空时谱快速估计方法 |
CN107833188B (zh) * | 2017-10-30 | 2021-07-06 | 辽宁工程技术大学 | 一种自适应稀疏型子空间追踪层析成像重构的方法 |
CN111970029B (zh) * | 2020-07-10 | 2021-10-19 | 宁波大学 | 基于压缩感知的电力线通信系统脉冲噪声抑制方法 |
CN112147236A (zh) * | 2020-09-21 | 2020-12-29 | 大连理工大学 | 一种基于稀疏盲解卷积的超声信号分辨率提升方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102624399A (zh) * | 2012-03-30 | 2012-08-01 | 北京邮电大学 | 一种压缩感知信号的重构方法 |
CN102882530A (zh) * | 2012-09-17 | 2013-01-16 | 南京邮电大学 | 一种压缩感知信号重构方法 |
CN103036574A (zh) * | 2012-12-13 | 2013-04-10 | 南开大学 | 基于压缩传感的一种自校验稀疏度自适应匹配追踪算法 |
CN103595414A (zh) * | 2012-08-15 | 2014-02-19 | 王景芳 | 一种稀疏采样与信号压缩感知重构方法 |
CN103888145A (zh) * | 2014-03-28 | 2014-06-25 | 电子科技大学 | 一种重构信号的方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8520928B2 (en) * | 2010-07-12 | 2013-08-27 | Arizona Board Of Regents On Behalf Of The University Of Arizona | System and method for motion-compensated compressed sensing for dynamic imaging |
-
2014
- 2014-11-18 CN CN201410658642.0A patent/CN104320144B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102624399A (zh) * | 2012-03-30 | 2012-08-01 | 北京邮电大学 | 一种压缩感知信号的重构方法 |
CN103595414A (zh) * | 2012-08-15 | 2014-02-19 | 王景芳 | 一种稀疏采样与信号压缩感知重构方法 |
CN102882530A (zh) * | 2012-09-17 | 2013-01-16 | 南京邮电大学 | 一种压缩感知信号重构方法 |
CN103036574A (zh) * | 2012-12-13 | 2013-04-10 | 南开大学 | 基于压缩传感的一种自校验稀疏度自适应匹配追踪算法 |
CN103888145A (zh) * | 2014-03-28 | 2014-06-25 | 电子科技大学 | 一种重构信号的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104320144A (zh) | 2015-01-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104320144B (zh) | 稀疏度自适应信号重构方法 | |
CN105827250A (zh) | 一种基于自适应字典学习的电能质量数据压缩重构方法 | |
CN104089774B (zh) | 一种基于并行多字典正交匹配的齿轮故障诊断方法 | |
CN107192878A (zh) | 一种基于压缩感知的电力系统谐波检测方法及装置 | |
CN111189638B (zh) | 基于hmm和qpso优化算法的轴承故障程度辨识方法 | |
CN105138776A (zh) | 基于回溯自适应匹配追踪的电能质量信号重构方法 | |
CN112560699B (zh) | 基于密度和压缩感知的齿轮振动信源欠定盲源分离方法 | |
CN104933685A (zh) | 基于三维张量压缩感知的高光谱压缩成像方法 | |
CN110569728A (zh) | 一种基于字典训练和正交匹配追踪的核信号提取方法 | |
CN108509671B (zh) | 微波滤波器耦合参数提取方法 | |
CN102163338B (zh) | 一种压缩感知系统中的高效重建方法 | |
Ramirez et al. | Reconstruction of Sparse Signals From $\ell_1 $ Dimensionality-Reduced Cauchy Random Projections | |
CN104121900B (zh) | 基于二代小波变换与lms的光纤陀螺信号去噪算法 | |
CN105375931A (zh) | 一种基于卡尔曼滤波的复杂环境下信号重构方法 | |
EP2849348A1 (en) | Signal reconstruction method and device | |
CN107403628B (zh) | 一种基于压缩感知的语音信号重构方法 | |
Gao et al. | A Robust Orthogonal Matching Pursuit Based on L 1 Norm | |
Kaltenbacher et al. | Convergence rates for an iteratively regularized Newton–Landweber iteration in Banach space | |
CN101997788B (zh) | 一种信号恢复的优化方法 | |
CN113705335B (zh) | 一种低频稀疏线谱信号时频超分辨率提取方法 | |
CN104125459A (zh) | 基于支撑集和信号值检测的视频压缩感知重构方法 | |
CN111082973B (zh) | 基于杠杆采样的网络时延估计方法 | |
CN111339234A (zh) | 定位数据采样缺失的修补方法、设备和存储介质 | |
CN103944581B (zh) | 基于精炼和分块搜索的重构稀疏信号方法 | |
Zhao et al. | A new generalized orthogonal matching pursuit method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |