一种压缩感知系统并行解算融合重构方法技术方案

一种压缩感知系统并行解算融合重构方法，涉及压缩感知观测系统对目标信号的重构技术领域，解决以压缩感知系统观测盲源信号如何实现准确、稳定且高精度目标信号重构的问题。本发明专利技术通过构建广义字典集合；对系统响应矩阵与字典集合中每一种字典进行分析，对字典实现一次筛选；将系统响应矩阵与通过筛选的字典结合，开展并行稀疏求解与信号重构，得到多个重构解；对各个字典对应的重构信号分数据段进行粗大误差剔除，实现二次筛选；以及对多个重构结果进行最大似然自适应加权融合，得到最终稳定高精度重构信号等步骤实现。本发明专利技术在保证重构精度的同时，使所求解的精度更为稳定，实现盲源目标信号的高精度稳定重构。盲源目标信号的高精度稳定重构。盲源目标信号的高精度稳定重构。

【技术实现步骤摘要】
一种压缩感知系统并行解算融合重构方法


[0001]本专利技术涉及压缩感知观测系统对目标信号的重构
，具体涉及一种压缩感知系统并行解算融合重构方法，在无先验知识的情况下，针对盲源信号以通用稀疏变换系作为字典实现目标信号的稳定高精度重构。

技术介绍

[0002]压缩感知观测系统是指针对目标信号观测系统受限于时间，空间，系统集成化等现实因素，导致观测系统无法完成香农
‑
奈奎斯特率下的观测采样。输出信号非目标信号抽样直读信号，输出信号与目标信号之间存在线性或线性近似关系，即输出信号是目标信号通过观测系统后的降维度映射，因此由输出信号对目标信号的重构映射为欠定线性系统。传统线性代数技术认为欠定线性系统解算得到的解非唯一，即无法获得精确解，而压缩感知重构是为该系统找到精确或近似解的有效手段。
[0003]压缩感知重构表明当目标信号若具备稀疏特性，将1范数约束(稀疏约束)引入当前观测系统的求解过程中可直接进行目标信号的精确或近似解算。若目标信号不具备稀疏特点，则需要将欠定重构系统与稀疏变换系(也称字典，后续统称为字典)组合，为欠定求解系统增加稀疏约束。求解稀疏向量的过程包括字典列向量的选择与对应系数的计算，在求解稀疏向量后与字典结合实现目标信号的重构。
[0004]目前，构建字典的常用方式有三种，第一种是选取完备正交系作为字典，如信号在进行如离散傅里叶变换、离散余弦变换、小波变换后或存在稀疏特性；第二种是以后验知识为基础的字典学习，通过传统光谱遥感数据库的计，分析，学习构造一组稀疏变换系，可保证对任意地物的稀疏变换；第三种是在前两者基础上进行字典的串联融合，构建更为丰富的变换系，满足从细节至全局角度进行字典列向量选取的重构需求。值得注意的是选择稀疏变换系列向量的数量将受限于观测次数，在进行稀疏解算的过程中为保证所求解非奇异，通常要求观测次数应为稀疏度k的2倍。单一完备正交系作为字典使用存在非普适性的问题，即目标光谱在该数据域是否是稀疏的；字典学习可保证数据库中所有目标光谱在该变换下是足够稀疏的，在考虑到数据库的不完全性与实际地物的复杂性，不免出现字典不完备问题，进而导致目标光谱重构的准确度降低。而对于字典的串联融合存在的问题是其过于丰富，有可能存在强列向量相关性，干扰重构过程中列向量的选择，导致稀疏向量解算错误与重构信号失真。

技术实现思路

[0005]本专利技术提供一种多字典集并行解算与融合重构方法，解决以压缩感知系统观测盲源信号如何实现准确、稳定且高精度目标信号重构的问题。
[0006]一种压缩感知系统并行解算融合重构方法，该方法由以下步骤实现：
[0007]步骤一、构建字典集合，对压缩感知观测系统与字典集合中各字典进行非相关性与RIP限制分析，实现对字典的一次筛选；
[0008]步骤二、对步骤一筛选后的字典分别进行压缩感知矩阵构建，解算出各个字典对应的稀疏向量，并计算重构信号，构建多个目标重构信号的集合；
[0009]步骤三、对步骤二中的多个目标重构信号依据数据点进行粗大误差判断，对包含某一数据点为粗大误差的重构信号进行剔除，实现二次筛选；
[0010]步骤四、对步骤三所述的二次筛选得到的多个目标重构信号按数据点分别计算无偏估计均值与方差，以最大似然进行加权均值计算，实现多个目标重构信号的分数据段自适应融合，获得最终重构信号。
[0011]本专利技术的有益效果：本专利技术所述的基于多字典并行解算融合重构的方法，该方法以观测系统实现对广义字典集合中部分字典选择，对所选择的字典同时进行重构，对重构结果进行统计分析，以置信理论实现重构结果的自适应融合，在保证精度的同时提高系统对多种目标进行稀疏重构稳定性。该方法着重考量以字典为变量对重构结果的影响，并以多字典重构盲源统计分析弱化单一字典的非普适性目标信号重构问题，以自适应融合实现有效的重构精度保证，在丰富压缩感知重构方法的同时，进一步促进压缩感知理论在实际系统中的有效应用。
[0012]本专利技术克服了由于压缩感知系统观测次数导致稀疏变量的选择与求解受限，以及压缩感知系统采用单一正交系对盲源目标信号重构的非普适问题。
[0013]本方法在无先验知识的情况下，以压缩感知系统对盲源信号进行观测，将多种通用稀疏变换系组合，构建并行重构融合解算架构作为压缩感知系统解算模块，弱化由单一正交系作为字典存在稀疏度不足与观测次数限制重构精度的问题，在保证重构精度的同时，使所求解的精度更为稳定，实现盲源目标信号的高精度稳定重构。
附图说明
[0014]图1为本专利技术所述的一种压缩感知系统并行解算融合重构方法的原理框图；
[0015]图2为字典串联构建原理流程图。
具体实施方式
[0016]具体实施方式一、结合图1说明本实施方式，一种压缩感知系统并行解算融合重构方法，该方法由以下步骤实现：
[0017]构建以独立完备正交系，或完备正交系串联集为基础的字典集合，对压缩感知观测系统与字典集合中各字典进行非相关性与有限等距性质(Restricted Isometry Property,RIP)限制分析，实现针对字典的一次筛选，确保字典可用以实现稀疏重构。
[0018]将观测矩阵与一次筛选后的字典结合形成压缩感知矩阵，对多个压缩感知系统同时进行稀疏求解，将所求的多个稀疏解分别与其对应字典结合，得到多个目标信号的重构解。
[0019]对多个目标重构信号依据数据点进行粗大误差判断，对包含某一数据点为粗大误差的重构信号进行剔除，实现二次筛选。
[0020]对经过二次筛选得到的多个目标重构信号按数据点分别计算无偏估计均值与方差，以最大似然进行加权均值计算，实现多个目标重构信号的分数据段自适应融合，得到最终重构信号。
[0021]具体实施方式二、结合图1和图2说明本实施方式，本实施方式为具体实施方式一所述的一种压缩感知系统并行解算融合重构方法的实施例：
[0022]首先，压缩感知系统对目标信号的观测可以表示为
[0023]Ωφ＝g
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0024]其中，为经压缩感知系统标定后得到的系统响应矩阵，即观测矩阵，M为压缩感知系统观测次数，N为离散后信号数据长度，为目标信号离散化结果，为目标信号经压缩感知系统后输出的观测值。以稀疏表示进行解算可表示为
[0025]ΩDx＝g subject to:Dx＝φ
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0026]其中为用于实现稀疏变换的字典，为k稀疏向量(k<<L)，在计算得到x后，根据选取的字典D可计算得到目标信号φ。鉴于对目标信号未知，选取目标信号可能存在稀疏变换映射的通用变换系如离散余弦变换(DCT)，离散小波变换系统(DWT)等作为字典；并考虑到目标信号在某一通用变换系可能存在观测次数与字典对应稀疏度不符问题(k≥M)，采用多种变换系并行开展目标信号压缩感知重构，并对重构结果进行筛选融合。
[0027]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种压缩感知系统并行解算融合重构方法，其特征是：该方法由以下步骤实现：步骤一、构建字典集合，对压缩感知观测系统与字典集合中各字典进行非相关性与RIP限制分析，实现对字典的一次筛选；步骤二、对步骤一筛选后的字典分别进行压缩感知矩阵构建，解算出各个字典对应的稀疏向量，并计算重构信号，构建多个目标重构信号的集合；步骤三、对步骤二中的多个目标重构信号依据数据点进行粗大误差判断，对包含某一数据点为粗大误差的重构信号进行剔除，实现二次筛选；步骤四、对步骤三所述的二次筛选得到的多个目标重构信号按数据点分别计算无偏估计均值与方差，以最大似然进行加权均值计算，实现多个目标重构信号的分数据段自适应融合，获得最终重构信号。2.根据权利要求1所述的一种压缩感知系统并行解算融合重构方法，其特征在于：步骤一中，构建以独立完备正交系，或完备正交系串联集作为字典集合。3.根据权利要求2所述的一种压缩感知系统并行解算融合重构方法，其特征在于：所述完备...

【专利技术属性】
技术研发人员：张刘，宋洪震，宋莹，吕雪莹，
申请(专利权)人：吉林大学，
类型：发明
国别省市：