一种迭代加权感知词典构造权值初始化方法

迭代加权词典构造算法可构造具有小局部积累相关系数的感知词典,可有效地提高压缩感知中贪婪算法的信号恢复性能。提出一种加权迭代词典构造算法权值初始化方法。根据量测词典构造小相关系数感知词典,由感知词典和量测信号得到识别向量,将识别向量用于权值矩阵的构造。分析和仿真了此权值初始化方法的性能。结果表明,在相同迭代次数条件下,利用提出的权值初始化方法所构造词典具有小的局部相关系数,提高压缩感知中OMP算法信号恢复性能。     

一种基于拟牛顿法的CS投影矩阵优化算法

压缩感知(Compressed Sensing,CS)理论中,投影矩阵优化是一类通过提高观测数据信息量而改善性能的方法.由于投影矩阵与稀疏字典内积构造的Gram矩阵必定奇异,基于广义逆矩阵求解方法存在计算精度的问题.本文提出了一种利用拟牛顿法的CS投影矩阵优化算法.该算法分为两步:一是利用阈值函数约束Gram矩阵非对角线元素,使投影矩阵与稀疏字典的互相关系数逼近Welch界;二是采用秩2校正得到Hessian阵逆近似去修正梯度搜索方向.两个步骤交替执行,直到解出符合优化要求的投影矩阵.该算法始终保持下降性,具有超线性收敛速度,避免了矩阵函数二阶导数复杂的计算,计算量较小.实验结果表明,当信号稀疏度或观测数据相同时,本文算法的重构结果优于其他算法.     

一种用于压缩感知理论的投影矩阵优化算法

考虑到投影矩阵对压缩感知(CS)算法性能的影响,该文提出一种优化投影矩阵的算法。该方法提出可导的阈值函数,通过收缩Gram矩阵非对角元的方法压缩投影矩阵和稀疏字典的相关系数,引入基于沃尔夫条件(Wolfes conditions)的梯度下降法求解最佳投影矩阵,达到提高投影矩阵优化算法稳定度和重构信号精度的目的。通过基追踪(BP)算法和正交匹配追踪(OMP)算法求解l0优化问题,用压缩感知方法实现随机稀疏向量、小波测试信号和图像信号的感知和重构。仿真实验表明,该文提出的投影矩阵优化算法能较大地提高重构信号的精度。     

适用于压缩感知估计角度的测量矩阵研究

针对接收数据压缩投影后导致到达角 (Direction-Of-Arrival, DOA)估计精度不高的问题,提出一种高精度的全局信息压缩投影到达角估计算法。该算法首先提出更适应角度估计的空域稀疏化范德蒙矩阵作为测量矩阵,然后对由其组成的Gram矩阵的非对角元素进行压缩处理得到目标矩阵,接着利用步长符合沃尔夫条件的梯度下降法优化Gram矩阵,得到当Gram矩阵与目标矩阵最接近时所对应的可以保留更多全局信息的测量矩阵,最后利用此矩阵压缩接收数据,将接收数据投影到测量矩阵空间,进行稀疏重构得到角度估计结果。仿真实验表明,所提算法角度估计精度远优于同等条件下辐射源信号直接重构的角度估计结果,且在信噪比大于-6dB时数据压缩投影后角度估计的成功率达到100%,性能优越。      

一种适用于TDOMP算法的测量矩阵优化方法

测量矩阵的优化设计有利于提高压缩感知中信号的重构性能。该文研究了适用于TDOMP (TwoDictionaries OMP)重构算法的测量矩阵优化方法。TDOMP算法是一种改进的OMP算法,该算法使用与感知矩阵互相关性低的匹配矩阵来辨识正确的感知矩阵原子。所提方法利用交替投影的思想来优化测量矩阵从而得到相关性低的感知矩阵和匹配矩阵,然后用于TDOMP算法来提高信号的重建性能。仿真实验验证了所提方法的有效性。      

一种基于特征值分解的测量矩阵优化方法

测量矩阵是压缩感知中一个很重要的部分,为了减小测量矩阵与稀疏变换矩阵的互相干性,从而改善重建质量,本文首先通过测量矩阵和稀疏变换矩阵的乘积构造得到一个Gram矩阵,然后定义了一种基于Gram矩阵非对角线元素的整体互相干系数,推导出整体互相干系数与Gram矩阵特征值之间的关系。在此基础上,我们提出了一个最优化模型,在不改变Gram矩阵特征值和的前提下,让每个大于零的特征值的大小都为它们和的平均值,使得测量矩阵和稀疏变换矩阵的整体互相干系数达到最小,从而优化了测量矩阵的性能。将该方法用在一些已知的测量矩阵上,实验结果中矩阵的优化速度快,并且用优化矩阵所得的图像的PSNR有所提高,表明本文优化测量矩阵的方法在重建效果和优化速度方面都有一定的优势。      

改进的压缩感知测量矩阵优化方法

压缩感知理论中，测量矩阵优化是一类通过减小测量矩阵与稀疏字典的互相关性来改善测量矩阵性能的方法。本文提出一种能够同时降低整体相关系数和最大值相关系数的测量矩阵优化算法，该算法分为两步:一是通过平均化Gram矩阵特征值来降低测量矩阵的整体相关系数；二是利用阈值函数收缩Gram矩阵非对角线上较大值。两个步骤交替执行，直到解出符合优化要求的测量矩阵。该算法在保证整体相关系数降到最低的同时，又使最大值相关系数显著降低。实验结果表明，与现有算法进行对比，本文方法在降低相关系数和重构成功率上都有一定优势。      

多信道合作感知中基于信道可用概率的感知信道集合选择算法

首先分析了在给定感知信道集合和相应的可用概率集合条件下认知无线网络最大吞吐量的求解算法,接着给出了授权信道可用概率的估计方法,并在此基础上提出了一种基于授权信道可用概率估计的感知信道集合的次优选择算法。从分析结果与仿真结果可知,该次优选择算法与最优选择算法的性能差别不大,但是复杂度却大大降低了,另外该算法与已有算法相比可以得到更高的系统吞吐量。     

基于DSS矩阵压缩感知在数字水印中的应用

压缩感知可以在远低于奈奎斯特速率下捕捉和重建可压缩信号。它使用非自适应线性投影,保留了信号的结构,信号随后可以使用最优化过程从这些投影中重建。首先利用DSS矩阵的性质重建低分辨率图像,然后使用凸集投影和硬阈值技术实现高质量的压缩感知重建。将该方法与数字水印相结合,提出一种基于DSS矩阵压缩感知的灰度图像数字水印算法,该方法的创新点在于能够根据需要提供两路输出,一路为快速的低分辨率输出,一路为高质量的CS重建输出。经实验证明该算法有较高的鲁棒性。     

基于概率稀疏随机矩阵的压缩数据收集方法

测量矩阵设计是应用压缩感知理论解决实际问题的关键。该文针对无线传感器网络压缩数据收集问题设计了一种概率稀疏随机矩阵。该矩阵可在减少参与投影值计算节点个数的同时,让参与投影值计算的节点分布集中化,从而降低数据收集的通信能耗。在此基础上,为提高网络数据重构精度,又提出一种适用于概率稀疏随机矩阵优化的测量矩阵优化算法。仿真实验结果表明,与稀疏随机矩阵和稀疏Toeplitz测量矩阵相比,采用优化的概率稀疏随机矩阵作为压缩数据收集的测量矩阵可显著降低通信能耗,且重构误差更小。