一种基于压缩感知的前后向协同加速匹配追踪方法技术

一种基于压缩感知的前后向协同加速匹配追踪方法，属于压缩感知技术领域。本发明专利技术基于前后向匹配追踪算法，通过自适应调整前向步长减少选入支撑集的原子个数，解决前后向匹配追踪只能以固定步长筛选原子、计算量大、速度慢的问题；根据原子与上次迭代残差的相关性呈阶梯状排列的特点，在迭代中寻找最优阶梯的位置并以其为依据缩短前向步长，在不降低重构成功率的同时减小算法的计算量，大幅度加速算法。本发明专利技术在缩短重构时间的同时能保证重构成功率，提高了算法的实用性。

【技术实现步骤摘要】
一种基于压缩感知的前后向协同加速匹配追踪方法
本专利技术涉及一种基于压缩感知的前后向协同加速匹配追踪新方法，属于压缩感知

技术介绍
压缩感知理论自提出以来，该理论成为信号处理学界的一个重要想法，在过去的几年里受到极大关注。CS理论突破传统奈奎斯特采样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。重构算法是压缩传感理论的核心，具有很高的研究价值。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，重构算法作为CS理论的核心，现主要有最小11范数法、贪婪算法、迭代阈值法及最小全变分法等。其中贪婪算法又叫匹配追踪类算法，此类算法最早出现为正交匹配追踪算法(OrthogonalMatchingPursuit，OMP)，而后有对满足约束等距性条件的矩阵和稀疏信号都可精确重构的正则正交匹配追踪(RegularizedOMP，ROMP)，以及采用回溯思想的压缩采样匹配追踪算法(CompressiveSamplingMatchingPursuit，CoSaMP)、子空间追踪算法(SubspacePursui本文档来自技高网...

【技术保护点】
一种基于压缩感知的前后向协同加速匹配追踪方法，包括以下步骤：(1)输入测量值y，为传感矩阵Φ，设定前向步长α，最大迭代次数Kmax，终止残差比例ε，权重层次s1、s2、s3，权重等级w1、w2、w3，权重阈值η1、η2、η3，相关阈值γ；(2)初始化

【技术特征摘要】
1.一种基于压缩感知的前后向协同加速匹配追踪方法，包括以下步骤：(1)输入测量值y，为传感矩阵Φ，设定前向步长α，最大迭代次数Kmax，终止残差比例ε，权重层次s1、s2、s3，权重等级w1、w2、w3，权重阈值η1、η2、η3，相关阈值γ；(2)初始化r0＝y，k＝1，W＝0，n＝size(Φ，2)；(3)计算上次迭代残差rk-1与传感矩阵Φ的相关度并从大到小排列构成m，其索引构成集合P，前s1个元素赋予权重w1，s1+1到s2个元素赋予权重w2，s2+1到s3个元素赋予权重w3，并把权重累积记录到W；(4)m中元素错位相减得到相邻元素间的阶梯大小，找到所有阶...

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