基于似零范数和混合优化的压缩感知信号快速重构算法

欠定系统(又称超完备系统)的稀疏信号恢复在压缩感知、源信号分离和信号采集等领域中被广泛研究.目前这类问题主要采用l1范数约束结合线性规划优化或贪婪算法进行求解,但这些方法存在收敛速度慢、恢复精度不高等缺陷.提出一种快速恢复稀疏信号的算法,该算法采用一种新的近似l0范数代替l1范数构造代价函数,并融合牛顿法和最陡梯度法推导出寻优迭代式,以获得似零范数代价函数的最优解.仿真实验和真实数据实验结果表明,与经典算法相比,该算法在能提供相同精度、甚至更好精度的条件下,收敛速度更快.

利用块稀疏特性的压缩感知麦克风阵列声源定位

与传统声源定位算法如相位变换加权、时延累加定位不同,压缩感知麦克风阵列声源定位算法可将声源定位转化为稀疏重构问题从而获得较高的性能。但在实际应用环境下,由于远场声源自身指向性、空间混响等原因,声源方向向量往往呈现块稀疏度结构,导致采用传统稀疏恢复算法如正交匹配追踪算法(Orthogonal matching pursuit,OMP)等进行压缩感知定位性能下降。本文在压缩感知声源定位算法中引入块稀疏似零范数,以压缩感知为基本框架,采用块稀疏似零范数稀疏恢复进行声源方向向量的重构,获取声源的方位。实验结果表明,相较于传统声源定位算法和基于OMP的压缩感知声源定位算法,本文算法具有更高的定位精度。