一种基于变步长的稀疏度自适应匹配追踪算法

扫码查看

原文链接

NETL

中文摘要：压缩感知(Compressed Sensing,CS)理论突破了传统的采样定率,对于稀疏的或可压缩的信号,可同时进行采样和压缩.其中重构算法是压缩感知理论的研究热点之一,对采样过程的正确性验证有着重要意义.稀疏度自适应匹配追踪算法(Sparsity Adaptive Matching Pursuit,SAMP)在迭代过程中采用固定步长,容易导致过估计和欠估计.为解决该问题,根据相邻信号能量差的变化规律,在迭代过程中采用对数型的"变步长",即迭代的初始阶段步长增长速度较快,当能量差达到一定阈值时,则步长增长速度较慢,并设置双阈值严格控制逼近的精确度.实验表明,改进后算法提高了重构质量,尤其是在当采样率较低时,仍有较好的重构效果.

作者：

BI Xue-xia、毕学霞、SHANG Zhen-hong、尚振宏、QIANG Zhen-ping、强振平、LIU Hui、刘辉

展开 >

作者单位：

Faculty of Information Engineering and Automation,Kunming University of Science and Technology,Kunming 650500,China

昆明理工大学信息工程与自动化学院,昆明 650500

Department of Computer and Information Science,Southwest Forestry University,Kunming 650224,China

西南林业大学计算机与信息学院昆明 650224

展开 >

关键词：

图像处理稀疏度自适应匹配追踪算法步长变化压缩感知理论

主办单位：

中国计算机学会

中国系统仿真学会

中国图象图形学学会

会议名称：

第十四届中国虚拟现实大会

会议时间：

2014-08-30

会议地点：

沈阳

会议母体文献：

第十四届中国虚拟现实大会论文集

页码：

2116-2120,2125

出版时间：

2014