压缩感知中迂回式匹配追踪算法

迂回式匹配追踪(detouring matching pursuit,DMP)是一种计算复杂度低、准确率高、对传感矩阵列相关性要求低的贪婪重构稀疏信号算法.DMP中子内积逆和系数矩阵递增递减核心式被提出并证明,DMP利用子内积逆和系数矩阵减少残差误差变化量的计算量,达到降低计算复杂度的目的.另外,DMP采用先逐个最优缩减、后逐个最优扩增假定支撑集元素的方法提高重构准确率和扩大重构稀疏信号的稀疏度范围.DMP算法复杂度分析表明,DMP算法中获取、缩减和扩增假定支撑集的复杂度分别为O(K2 N),O(b(K-b)N)和O(b(K-b)N).加权间接重构0-1稀疏信号实验结果表明,对于稀疏度为M/2的0-1稀疏信号,DMP、逐步贪婪追踪(greedy pursuit algorithm,GPA)、子空间追踪(subspace pursuit,SP)、压缩采样追踪(compressive sampling matching pursuit,CoSaMP)、正交匹配追踪(orthogonal matching pursuit,OMP)的重构准确率分别为99%,65%,0%,0%和13%.非零值服从正态分布的稀疏信号实验结果也表明DMP的重构准确率优势显著.

基于迂回式匹配追踪算法的DOA估计方法

针对传统波达方向(Direction of arrival,DOA)估计算法在小快拍数、低信噪比以及信源信号相干等条件下估计精度低等问题,提出一种基于迂回式匹配追踪算法的DOA估计方法.通过对空间按照潜在的入射角等角度进行划分,构造超完备冗余字典,采用迂回式匹配追踪算法对稀疏信号进行重构,得到信号中的非零元素按位置编号转化成对应的方向角度,即正确的DOA估计值.仿真结果表明:基于迂回式匹配追踪算法的DOA估计算法在单快拍情况下仍能得到有效估计值,在强噪声环境中也具有较好的稳健性.