多量测压缩感知的感知矩阵构建方法、系统及存储介质技术方案

本发明专利技术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：生成随机矩阵作为期望量测矩阵，对采样信号进行稀疏量测，构建实际量测矩阵对应的实际量测数据；对所述期望量测矩阵进行优化处理，获取实际量测矩阵的最优估计值；根据所述实际量测矩阵的最优估计值，构建感知矩阵；通过所述感知矩阵对所述实际量测数据进行重构，恢复出原始信号。本发明专利技术通过对干扰环境下的实际量测矩阵的估计，构造感知矩阵，利用接收到数据准确恢复出原始数据。

【技术实现步骤摘要】
多量测压缩感知的感知矩阵构建方法、系统及存储介质
本专利技术涉及信号处理
，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。
技术介绍
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。传统的压缩感知采用量测矩阵对信号进行稀疏量测，并通过恢复算法实现对信号的稀疏重构。但在实际应用中，量测矩阵经常受到扰动，其造成量测矩阵扰动的来源很多，比如数模转换器工作时的电噪声、存储器的精度限制、参数空间的离散化精度等等，从而导致量测过程中实际量测矩阵和期望量测矩阵间存在差异，进而影响稀疏信号的重构效果。因此，现有技术还有待改进和提高。
技术实现思路
本专利技术有必要为了解决现有技术中量测矩阵的扰动影响导致实际的量测矩阵与期望的量测矩阵间存在差异，使得在信号重构恢复出原始信号的成功率低的问题，本专利技术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，旨在通过对干扰环境下的实际感知矩阵的估计，构建感知矩阵，以使得接收后的数据能够还原输出准确且完整的原始数据，提高原始数据成功恢复率。本专利技术解决上述技术问题所采用的技术方案如下：本专利技术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：生成随机矩阵作为期望量测矩阵，对采样信号进行稀疏量测，构建实际量测矩阵对应的实际量测数据；对所述期望量测矩阵进行优化处理，获取实际量测矩阵的最优估计值；根据所述实际量测矩阵的最优估计值，构建感知矩阵；通过所述感知矩阵对所述实际量测数据进行重构，恢复出原始信号。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期望量测矩阵，对采样信号进行稀疏量测，构建实际量测矩阵对应的实际量测数据之前包括：接收所有发送的原始信号；对所述原始信号进行采样得到采样信号。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期望量测矩阵，对采样信号进行稀疏量测，构建实际量测矩阵对应的实际量测数据具体包括：通过软件生成一个随机矩阵作为期望量测矩阵，并定义实际量测矩阵与期望量测矩阵的差异作为扰动差异矩阵；通过所述实际量测矩阵对所述采样信号进行稀疏量测，构建实际量测矩阵对应的实际量测数据。所述的多量测压缩感知的感知矩阵构建方法，其中，对所述期望量测矩阵进行优化处理，获取实际量测矩阵的最优估计值具体包括：根据所述实际量测数据，构建所述实际量测矩阵的估计模型；对所述估计模型进行优化处理，获取所述估计模型的最优解；根据所述估计模型的最优解，得到所述实际量测矩阵的最优估计值。所述的多量测压缩感知的感知矩阵构建方法，其中，所述根据所述估计模型的最优解，得到所述实际量测矩阵的最优估计值具体包括：当实际量测矩阵和期望量测矩阵所对应的列向量的扰动差异的二范数绝对值平方不大于预设的扰动阈值时，通过拉格朗日乘子算法构建所述估计模型的拉格朗日方程；根据所述拉格朗日方程，得到拉格朗日方程对应的拉格朗日乘子的区间范围；随机选取所述区间范围中一数值作为初始值，通过牛顿法获取所述拉格朗日方程的最优值；根据所述最优值，得到所述估计模型的最优解，即所述实际量测矩阵的最优估计值。所述的多量测压缩感知的感知矩阵构建方法，其中，所述根据所述实际量测矩阵的最优估计值，构建感知矩阵具体包括：获取实际量测矩阵的最优估计值；根据所述实际量测矩阵的最优估计值，构建感知矩阵。所述的多量测压缩感知的感知矩阵构建方法，其中，所述通过所述感知矩阵对所述实际量测数据进行重构，恢复出原始信号具体包括：获取所述感知矩阵；对所述实际量测数据进行重构处理，恢复出原始信号。本专利技术还提供一种系统，所述系统包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的多量测压缩感知的感知矩阵构建程序，所述多量测压缩感知的感知矩阵构建程序被所述处理器执行时实现上述所述的多量测压缩感知的感知矩阵构建方法的步骤。本专利技术还提供一种存储介质，所述存储介质存储有多量测压缩感知的感知矩阵构建程序，所述多量测压缩感知的感知矩阵构建程序被处理器执行时实现上述所述多量测压缩感知的感知矩阵构建方法的步骤。有益效果：1.充分利用实际量测数据，且在信号重构阶段，用通过构建的感知矩阵替换传统的量测矩阵，避免信号支撑集的恢复的错误产生，保证原始信号估计的准确性。2.通过牛顿法和拉格朗日乘子算法，确定实际量测矩阵的估计值根据其估计值作为已知变量构建未知的感知矩阵Ψ，使得量测数据在重构后能还原输出完整且准确的原始信号，提高效率。3.基于随机选择初始值以及量测矩阵，生成合适的感知矩阵，使得信号压缩感知过程更具调节性和人为控制，最大程度地还原数据如恢复出原始图像。附图说明图1是本专利技术一实施例公开的多量测压缩感知的感知矩阵构建方法的流程图；图2是本专利技术一实施例公开的多量测压缩感知的感知矩阵构建方法的稀疏信号支撑集成功恢复概率与稀疏度的关系图；图3是本专利技术一实施例公开的多量测压缩感知的感知矩阵构建方法的稀疏重构信号的均方根误差与稀疏度的关系图；图4是本专利技术系统的较佳实施例的结构框图。具体实施方式为使本专利技术的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本专利技术进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。为使本专利技术的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本专利技术进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。需要说明的是，本专利技术是基于压缩感知理论，其处理过程包括三个阶段，分别为信号的稀疏表示、信号的稀疏量测以及信号的稀疏重构，以实现本专利技术。本专利技术提供一种多量测压缩感知的感知矩阵构建方法，如图1所示，所述多量测压缩感知的感知矩阵构建方法包括：S10,生成随机矩阵作为期望量测矩阵，对采样信号进行稀疏量测，构建实际量测矩阵对应的实际量测数据。即步骤S10具体包括：S11，通过软件生成一个随机矩阵作为期望量测矩阵，并定义实际量测矩阵与期望量测矩阵的差异作为扰动差异矩阵；S12，通过所述实际量测矩阵对所述采样信号进行稀疏量测，构建实际量测矩阵对应的实际量测数据。具体地，预先进行采样，即接收所有发送的原始信号，对所述原始信号进行采样得到采样信号。其中，所述原始信号指的是源端向终端发送数据时，通过对应信号相互传递消息，当接收到相应信号时才能知道对方所要表达的消息。例如用户A需要向用户B发送图像，则用户A向用户B发送图像信号(即对应为本专利技术实施例的原始信号)，用户B接收到该图像信号即开始接收该图像，并向用户A反馈接收图像的信号，从而完成一次完整的数据传输。再如，医生需要探查患者患病部位，通过医学仪器扫描探测的光子转换为电子，形成电脉冲信号(即对应为本专利技术实施例的原始信号)，经信号分析、数模转换及数据处理等成像。在信号数据传输过程中，往往会因环境因素影响，如噪声、障碍物等因素使得终端接收到的信息不完整、缺失或者接收时长加大，如图像模糊、图像损坏等。因此，为了提高终端接收到的数据质量，需要对原始信号进行预设稀疏度k采样，如对原始图像采样并本文档来自技高网...

【技术保护点】
1.一种多量测压缩感知的感知矩阵构建方法，其特征在于，所述多量测压缩感知的感知矩阵构建方法包括：生成随机矩阵作为期望量测矩阵，对采样信号进行稀疏量测，构建实际量测矩阵对应的实际量测数据；对所述期望量测矩阵进行优化处理，获取实际量测矩阵的最优估计值；根据所述实际量测矩阵的最优估计值，构建感知矩阵；通过所述感知矩阵对所述实际量测数据进行重构，恢复出原始信号。

【技术特征摘要】
1.一种多量测压缩感知的感知矩阵构建方法，其特征在于，所述多量测压缩感知的感知矩阵构建方法包括：生成随机矩阵作为期望量测矩阵，对采样信号进行稀疏量测，构建实际量测矩阵对应的实际量测数据；对所述期望量测矩阵进行优化处理，获取实际量测矩阵的最优估计值；根据所述实际量测矩阵的最优估计值，构建感知矩阵；通过所述感知矩阵对所述实际量测数据进行重构，恢复出原始信号。2.根据权利要求1所述的多量测压缩感知的感知矩阵构建方法，其特征在于，所述生成随机矩阵作为期望量测矩阵，对采样信号进行稀疏量测，构建实际量测矩阵对应的实际量测数据之前包括：接收所有发送的原始信号；对所述原始信号进行采样得到采样信号。3.根据权利要求1所述的多量测压缩感知的感知矩阵构建方法，其特征在于，所述生成随机矩阵作为期望量测矩阵，对采样信号进行稀疏量测，构建实际量测矩阵对应的实际量测数据具体包括：通过软件生成一个随机矩阵作为期望量测矩阵，并定义实际量测矩阵与期望量测矩阵的差异作为扰动差异矩阵；通过所述实际量测矩阵对所述采样信号进行稀疏量测，构建实际量测矩阵对应的实际量测数据。4.根据权利要求1所述的多量测压缩感知的感知矩阵构建方法，其特征在于，所述对所述期望量测矩阵进行优化处理，获取实际量测矩阵的最优估计值具体包括：根据所述实际量测数据，构建所述实际量测矩阵的估计模型；对所述估计模型进行优化处理，获取所述估计模型的最优解；根据所述估计模型的最优解，得到所述实际量测矩阵的最优估计值。5.根据权利要求4所述的多量测压缩感知的感知矩阵构建方法，其特征在于，所述根据所述估计模型的最优解，得到所述实际量...

【专利技术属性】
技术研发人员：黄磊，张亮，包为民，廖桂生，罗丰，孙维泽，张沛昌，
申请(专利权)人：深圳大学，
类型：发明
国别省市：广东,44