【技术实现步骤摘要】
本专利技术涉及通信和信号重构，更具体地，涉及一种面向最小全变分的信号重构方法和系统。
技术介绍
1、近年来donoho、can des和tao等人提出的压缩感知(compressed sensing，cs)理论，可通过少量的线性投影直接编码图像信号中所包含绝大部分信息的重要分量，从而实现对原始图像的采样、压缩以及重构等。本质上来说，压缩感知的优点在于充分利用了目标信号的稀疏性或可压缩性，通过低维采样数据的非相关测量实现高维信号的采集，信号的测量数据量远小于传统采样方法获取的数据量，使得高分辨率的信号采集成为可能。
2、压缩感知理论框架主要包括三部分：稀疏表示、非线性测量和图像重构。有效的图像重构算法是压缩感知的关键技术之一，而图像的先验信息对于图像的重建具有重要作用，如何充分发掘图像的先验信息从而构造有效的约束条件成为了图像重构的关键。
3、目前，常用的cs重构算法主要分为两类：一类是贪婪迭代算法，通过迭代方式寻找稀疏向量的支撑集，并且使用受限支撑最小二乘估计来重构信号，主要包括：匹配追踪法(mp)、正交匹配追踪...
【技术保护点】
1.一种面向最小全变分的信号重构方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种面向最小全变分的信号重构方法，其特征在于，所述步骤S1中的因子图具体为：
3.根据权利要求2所述的一种面向最小全变分的信号重构方法，其特征在于，所述步骤S2中，根据以下公式计算消息在高斯投影下对应的均值和方差：
4.根据权利要求3所述的一种面向最小全变分的信号重构方法，其特征在于，所述步骤S2中，在因子图各节点之间正向和反向传递的消息及其在高斯投影下对应的均值和方差具体为：
5.根据权利要求4所述的一种面向最小全变分的信号重构方...
【技术特征摘要】
1.一种面向最小全变分的信号重构方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种面向最小全变分的信号重构方法，其特征在于，所述步骤s1中的因子图具体为：
3.根据权利要求2所述的一种面向最小全变分的信号重构方法，其特征在于，所述步骤s2中，根据以下公式计算消息在高斯投影下对应的均值和方差：
4.根据权利要求3所述的一种面向最小全变分的信号重构方法，其特征在于，所述步骤s2中，在因子图各节点之间正向和反向传递的消息及其在高斯投影下对应的均值和方差具体为：
5.根据权利要求4所述的一种面向最小全变分的信号重构方法，其特征在于，所述步骤s2中的先验消息包括：cs模型的观测矩阵h、线性混叠矩阵d、观测信号y、稀疏信号s的先验分布p(s)、加性高斯白噪声w的统计特性以及y对z的条件概率p(y|z)...
【专利技术属性】
技术研发人员：李广，
申请(专利权)人：广州龙建达电子股份有限公司，
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。