【技术实现步骤摘要】
【国外来华专利技术】用于压缩感知的非欠定估算相关申请的交叉引用本申请要求申请日为2015年1月14日、专利技术名称为“用于压缩感知的非欠定估算”的第14/596,680号美国专利申请的优先权,上述专利申请的全部公开内容通过引用结合至本申请中。
本公开涉及通讯和信号处理应用中稀疏信号的重构。
技术介绍
在数字通信和信号处理应用中,使用连续的物理现象或信号,例如电磁波来对数字信息进行编码。要将编码为连续物理信号的数字信号还原,就要以某些采样率对该连续信号进行采样。常规采样方法通常要求采样率至少等于该连续信号中最大频率的两倍,也称奈奎斯特采样率,方能可靠地重构数字信号。然而在很多应用中,处理代价是与采样率相关的,因此希望开发出技术,实现测量采样率的降低。如果已知或预见到数字信号是稀疏的,即指信号中很多系数都等于或几乎等于零,则以亚奈奎斯特采样率从编码后的连续信号中还原出数字信号是有可能的。这种技术就称为压缩感知(compressedsensing)。这里的稀疏性假设作为一个附加约束,以实现本问题的求解。从观测的欠定集合中还原出稀疏信号属于非确定性多项式时间困难(NP-hard)问题,但如果用范数来作为稀疏化范数,则可化归为凸优化问题。已提出了若干种解决这个优化问题的算法。一些已知算法运用最小二乘法中的最小绝对收缩与选择算子(Lasso)法。两个此种已知算法包括最小角回归(LARS)和坐标下降(CD)。然而,这些算法都存在一定的局限性。第一,它们并不求解原始的压缩感知问题,因为那属于NP-hard问题。第二,由于它们对某些参数敏感,所以经过给定次数的迭代之后,所找到的未必是问题的最优 ...
【技术保护点】
一种方法,包括:处理器接收观测矢量,所述观测矢量包括对信号的观测集;基于所述观测矢量和观测矩阵,所述处理器运用压缩感知优化生成信号矢量估算;依据稀疏化范数,所述处理器确定所述信号矢量估算中特征元素的指数集,其中所述特征元素的个数至多为所述观测矢量中元素的个数;以及基于所述观测矩阵、所述观测矢量和所述信号矢量估算中特征元素的所述指数集,所述处理器通过执行非欠定估算方法,生成信号矢量的非零元素的指数集。
【技术特征摘要】
【国外来华专利技术】2015.01.14 US 14/596,6801.一种方法,包括:处理器接收观测矢量,所述观测矢量包括对信号的观测集;基于所述观测矢量和观测矩阵,所述处理器运用压缩感知优化生成信号矢量估算;依据稀疏化范数,所述处理器确定所述信号矢量估算中特征元素的指数集,其中所述特征元素的个数至多为所述观测矢量中元素的个数;以及基于所述观测矩阵、所述观测矢量和所述信号矢量估算中特征元素的所述指数集,所述处理器通过执行非欠定估算方法,生成信号矢量的非零元素的指数集。2.根据权利要求1所述的方法,其中所述信号对所述信号矢量进行编码,并且所述观测矢量中元素的个数少于所述信号矢量中元素的总数。3.根据权利要求1所述的方法,其中所述观测矢量中元素的个数大于所述信号矢量的非零元素的个数。4.根据权利要求3所述的方法,其中所述特征元素的个数大于所述信号矢量的非零元素的个数。5.根据权利要求1所述的方法,其中所述特征元素的个数小于所述观测矢量的元素的个数。6.根据权利要求1所述的方法,其中所述观测矩阵描述所述观测矢量与所述信号矢量之间的关系。7.根据权利要求1所述的方法,其中所述非欠定估算方法是迭代线性最小均方差LMMSE估算法,其中所述处理器在所述LMMSE估算法的每次迭代中都基于所述观测矢量和迭代指数集生成信号矢量估算子集,并依据所述稀疏化范数,确定所述信号矢量估算子集中特征元素的迭代指数子集,其中在每次迭代中,所述迭代指数子集的大小都比所述迭代指数集小一个预定的步长,其中在第一迭代中,所述迭代指数集是所述信号矢量估算的特征元素的指数集,并且其中在每次逐次迭代中,所述迭代指数集都是其上一次迭代的迭代指数子集。8.根据权利要求7所述的方法,其中所述信号矢量的非零元素是所述LMMSE估算法最后一次迭代之后的所述信号矢量估算子集的元素。9.根据权利要求8所述的方法,还包括:基于所述LMMSE估算法最后一次迭代之后的所述信号矢量的非零元素的指数集和所述信号矢量估算子集的元素,还原所述信号矢量;以及输出所述信号矢量。10.根据权利要求1所述的方法,还包括:输出所述信号矢量的非零元素的指数集。11.根据权利要求8所述的方法,其中在所述LMMSE估算法的每次迭代中,所述信号矢量估算子集确定于:其中,其中,是所述迭代指数集,是对应于迭代指数集的所述信号矢量估算子集,y是所述观测矢量,是矢量子集的协方差矩阵,是对应于迭代指数集的观测子矩阵,是观测子矩阵的共轭转置,并且Cz是噪音矢量z的协方差矩阵。12.根据权利要求1所述的方法,其中所述稀疏化范数是l1范数。13.根据权利要求1所述的方法,其中所述压缩感知优化法优化最小绝对收缩与选择算子Lasso。14.根据权利要求13所述的方法,其中所述压缩感知优化法是所述Lasso的坐标下降优化。15.根据权利要求1所述的方法,其中所述处理器包括数字信号处理器。16.根据权利要求1所述的方法,其中所述观测矢量对所述信号矢量的压...
【专利技术属性】
技术研发人员:贾瓦德·阿布多利,贾明,
申请(专利权)人:华为技术有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。