基于压缩感知稀疏信号重建的迭代硬阀值算法

Nyquist采样速率条件下的信号采样，采样系统表现良好并且信号可以被稀疏向量近似表示时，信号可以被有效而精确地重构。针对无噪声信号，利用确定的稀疏基和随机的观测矩阵，研究迭代硬阀值算法的有效性。若观测矩阵满足有限等距性质（RIP），且稀疏基与随机观测矩阵不相干时，通过该算法，原始信号的稀疏投影可以被高概率重构。最后，利用哈达码正交矩阵作为稀疏基，高斯随机矩阵作为观测矩阵，对原始信号的稀疏投影进行重构，结果验证了该算法的有效性。

一种稀疏度自适应的压缩感知信道估计算法

针对目前稀疏度自适应的压缩感知(compressed sensing,CS)信道估计算法计算量过大的问题,文章提出了基于关联度分析的稀疏度自适应归档正则化迭代硬阈值(sparsity adaptive archiving normalized iterative hard thresholding,SAANIHT)算法。ANIHT算法可以解决传统压缩感知理论计算量大、计算时间过长的问题,但需要预知信道的稀疏度。引入高斯核函数对一种稀疏度估计算法进行了改进,并与ANIHT算法结合,使其可以在盲稀疏情况下对信道进行估计。仿真结果表明,在同等稀疏度条件下,该算法比其他算法节约了计算时间,在低信噪比下性能更优,具有较好的重构性能与稳定性。