基于稀疏支撑集先验的压缩感知图像序列重建算法

针对现有压缩感知图像序列重建算法重建精度不高、模型参数设置较多的问题,提出了一种结合稀疏支撑集先验和残差补偿的算法。在已知前一帧图像重建结果的基础上,通过求解1个最小化加权l1范数问题得到当前帧图像的初始估计。通过对估计残差进行压缩感知重建并对初始估计加以补偿,得到当前帧图像的最终重建结果。与其他同类算法相比,该算法减少了阈值参数的设置。实验结果表明,在相同的测量值数目下,该算法重建图像的相对误差、峰值信噪比和结构相似度指标均优于同类比较算法。

用于图像重构的基于行间支撑集相似度的CoSaMP算法

压缩采样匹配追踪(CoSaMP)算法的性能受初始支撑集选择的制约,初始支撑集选择不准确不仅影响重构精度,还会降低重构速度。针对该问题,将图像在稀疏域的结构特性引入到CoSaMP算法中,提出了支撑集相似度的概念;利用数字图像相邻行之间原子支撑集的相似性,提出了基于行间支撑集相似度的CoSaMP算法。实验结果表明,在同等采样率的条件下,与传统的CoSaMP算法相比,所提算法在不增加算法时间复杂度的同时提高了重构质量,峰值信噪比提高了0.6~2.5dB。

基于压缩感知的大规模MIMO下行信道状态信息获取

信道状态信息(Channel State Information,CSI)对于大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)发挥高性能至关重要。但在上下行传输信道不存在互易性的频分双工(Frequency Division Duplex,FDD)制式下,若采用传统的信道估计方法会给CSI的获取带来巨大的导频开销和计算量。考虑利用大规模 MIMO 信道的虚角域稀疏性来减少获取CSI所需开销,在此基础上进一步研究了大规模 MIMO 正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)系统中各子载波信道在虚角域的共同稀疏特性和稀疏支撑集的时间相关特性,达到降低信道维度的目的,则大大减少了基站对 CSI 获取所需的资源开销。同时,为了降低信道稀疏支撑集信息获取所需的导频开销和提高信息的时效性,利用压缩感知技术对支撑集进行估计。仿真结果验证了所提方案性能的优越性。