为提高传统压缩感知(CS)恢复算法的抗噪性能,结合观测矩阵优化和自适应观测的思想,提出一种自适应压缩感知(ACS)算法。该算法将观测能量全部分配在由传统CS恢复算法估计的支撑位置,由于估计支撑集中包含支撑位置,这样可有效提高观测信噪...为提高传统压缩感知(CS)恢复算法的抗噪性能,结合观测矩阵优化和自适应观测的思想,提出一种自适应压缩感知(ACS)算法。该算法将观测能量全部分配在由传统CS恢复算法估计的支撑位置,由于估计支撑集中包含支撑位置,这样可有效提高观测信噪比(SNR);再从优化观测矩阵的角度推导出最优的新观测向量,即其非零部分设计为Gram矩阵的特征向量。仿真结果表明,随着观测数增大,Gram矩阵非对角元素的能量增速小于传统CS算法,并且分别在观测次数、稀疏度和SNR相同的条件下,所提算法的重构归一化均方误差低于传统CS恢复算法10 d B以上,低于典型的贝叶斯方法 5 d B以上。分析表明,所提自适应观测机制可有效提高传统CS恢复算法的能量利用效率和抗噪性能。展开更多
文摘为提高传统压缩感知(CS)恢复算法的抗噪性能,结合观测矩阵优化和自适应观测的思想,提出一种自适应压缩感知(ACS)算法。该算法将观测能量全部分配在由传统CS恢复算法估计的支撑位置,由于估计支撑集中包含支撑位置,这样可有效提高观测信噪比(SNR);再从优化观测矩阵的角度推导出最优的新观测向量,即其非零部分设计为Gram矩阵的特征向量。仿真结果表明,随着观测数增大,Gram矩阵非对角元素的能量增速小于传统CS算法,并且分别在观测次数、稀疏度和SNR相同的条件下,所提算法的重构归一化均方误差低于传统CS恢复算法10 d B以上,低于典型的贝叶斯方法 5 d B以上。分析表明,所提自适应观测机制可有效提高传统CS恢复算法的能量利用效率和抗噪性能。
