一种基于前向预测和后向删除预测的正交匹配追踪方法技术

一种基于压缩传感理论的前向预测和后向删除预测的正交匹配追踪方法，属于压缩传感技术领域。本发明专利技术结合了前向预测LAR方法和后向删除预测DE方法，每次迭代前向阶段通过LAR方法测试与上一次迭代残差相关性最大的前h个原子在最终迭代中的性能，并选择残差模值最小的前α个原子添加至支撑集。后向阶段通过DE方法测试支撑集中每个原子逐个去除后，新支撑集与原信号的匹配程度，并删除残差模值最小的前β个原子。因此每次迭代后都新增α‑β个原子至支撑集。与LAOMP方法相比，本发明专利技术设计了后向删除预测环节，提高了精确重构概率，降低了平均归一化均方误差。

【技术实现步骤摘要】
一种基于前向预测和后向删除预测的正交匹配追踪方法
本专利技术涉及一种基于前向预测和后向删除预测的正交匹配追踪方法，属于压缩传感

技术介绍
压缩传感的概念从产生至今历经了十年左右的时间，最初由Candés和Donoho等人在2004年提出。而明确定义是2006年，DonohoDL在IEEE上发表论文“CompressedSensing”，确定了压缩传感理论的诞生，CS理论突破传统奈奎斯特定理要求信号采样率不得低于信号带宽2倍的瓶颈，将压缩与采样合并进行，采集信号测量值而后根据重构算法重构出原信号。为信号的采集、传输、处理方式开辟了一条崭新道路，掀起了国内外研究的热潮。CS理论主要包括信号的稀疏表示、编码测量和重构算法这三个方面，在压缩传感理论中，假定信号都是可以在一些基底或框架中稀疏表示的，那么通过一个低采样率的测量矩阵采集信号，就能得到包含原信号所有信息但维数大幅度降低的测量信号。稀疏基底研究已久，测量矩阵是人们提出压缩传感理论的关键，当传感矩阵满足约束等距性，则原信号在一定条件下一定能够根据测量值被精确重构出来。除此之外，当传感矩阵的Spark常数大于两倍稀疏度时本文档来自技高网...

【技术保护点】
一种基于压缩传感理论的前向预测和后向删除预测的正交匹配追踪方法，包括以下流程：(1)输入：传感矩阵A(M×N)，测量值y，稀疏值K；(2)定义：前向步长α，后向步长β，前向预测参数h，误差ε，前向残差模值集合n＝[n1，n2，...，nh]

【技术特征摘要】
1.一种基于压缩传感理论的前向预测和后向删除预测的正交匹配追踪方法，包括以下流程：(1)输入：传感矩阵A(M×N)，测量值y，稀疏值K；(2)定义：前向步长α，后向步长β，前向预测参数h，误差ε，前向残差模值集合n＝[n1，n2，...，nh]t，后向残差模值集合(3)初始化：重构稀疏信号为N×1的零向量，残差r0＝y，支撑集误差ε＝1×10-6，迭代次数k＝0；(4)令k＝k+1，计算残差rk-1与传感矩阵A中各列向量的内积值a＝{ai|ai＝|<rk-1，Ai>|，i＝1，2，…，N}，取其中最大的前h个值对应索引值存入集合ind中；(5)对i＝1：h循环执行rr＝lookaheadresid(y，A，K，Tk-1，ind(i))，并将这h个残差模值存入前向残差模值集合n中，ni＝||rr||2。选取其中最小的前α个值对应索引值存入集合Tf中，并将Tf并入Tk-1中，(6)对循环执行并将这个残差模值存入后向残差模值集合m中，...

【专利技术属性】
技术研发人员：孙桂玲，王雅儒，郑博文，叶旭东，
申请(专利权)人：南开大学，
类型：发明
国别省市：天津,12