【技术实现步骤摘要】
部分加权随机选取策略的稀疏恢复方法及系统
[0001]本专利技术涉及压缩感知信号处理
，尤其涉及一种部分加权随机选取策略的稀疏恢复方法及系统。
技术介绍
[0002]大数据不仅包括传统的结构化数据（如数据库中的表格数据），还包括文本、图像、音频、视频等非结构化数据。这些多样性的数据类型使得数据分析更加复杂和具有挑战性。
[0003]目前的确定性算法，例如正交匹配追踪(Orthogonal Matching Pursuit, OMP)算法，是解决压缩感知领域问题著名的算法，其可以有效地将稀疏信号从欠定线性系统中恢复出来，比如CN106487389A公开的一种基于压缩感知的顺序正交匹配追踪算法，就使用了上述算法。但是，在数据量日益增大的今天，将确定性算法应用在大规模信号恢复上通常会消耗巨量时间，不利于提高系统的工作效率。
技术实现思路
[0004]针对大数据下的大规模信号恢复问题，本专利技术提出一种部分加权随机选取策略的稀疏恢复方法及系统，以利用随机方法减少算法的时间消耗，加速算法的运行。
...
【技术保护点】
【技术特征摘要】
1.一种部分加权随机选取策略的稀疏恢复方法，其特征在于，包括以下步骤：S1，以欠定线性系统为目标，模拟生成大规模的稀疏信号和对应的感知矩阵，从所述稀疏信号中随机选取预设个数的元素保留原始值，并将其他元素的值归零，根据所述稀疏信号和所述感知矩阵计算观测信号；S2，采用部分加权随机选取策略代替OMP算法中原始选取索引的贪婪方法，计算得到稀疏信号估计值。2.如权利要求1所述的部分加权随机选取策略的稀疏恢复方法，其特征在于，在S1中，所述欠定线性系统的计算方法为：，其中，为感知矩阵，为稀疏信号，为观测信号，感知矩阵的行列数分别为，稀疏信号的稀疏度定义为，，，且。3.如权利要求1所述的部分加权随机选取策略的稀疏恢复方法，其特征在于，在S2中，以所述OMP算法为骨架，在迭代过程中，使用所述稀疏信号估计值与所述感知矩阵的矩阵乘积更新当前残差，并以所述当前残差进行下一次迭代，在预设次数的迭代计算的过程中，应用部分加权随机选取策略，以自适应次数随机挑选所述感知矩阵的列与所述当前残差计算相关性，挑选其中所述相关性最大的列索引，将所述列索引作为所述稀疏信号中非零元素索引的估计值，之后基于此前所有迭代对于所述稀疏信号的所述非零元素索引的估计值，通过最小二乘法计算得到所述稀疏信号估计值。4.如权利要求3所述的部分加权随机选取策略的稀疏恢复方法，其特征在于，所述OMP算法的迭代次数为所述稀疏信号的稀疏度。5.如权利要求3所述的部分加权随机选取策略的稀疏恢复方法，其特征在于，所述相关性的计算方法为：，其中，表示感知矩阵的第列，表示第次迭代的残差，表示两者的内积。6.如权利要求1所述的部分加权随机...
【专利技术属性】
技术研发人员：温金明，李昌昊，赵帅，王喆淏，何腾蛟，
申请(专利权)人：暨南大学，
类型：发明
国别省市：
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。