部分哈达玛矩阵分段弱正交匹配追踪算法

为解决分段弱正交匹配追踪算法在测量过程中难以获得高精度重构信号的问题,首先对以高斯矩阵为测量矩阵的传统SWOMP算法进行了分析,指出问题的关键在于高斯矩阵列相干性过大会影响残差信号的匹配过程,从而导致部分信号丢失,使重构精度下降;然后,根据分析提出了一种基于部分哈达玛矩阵的分段弱正交匹配追踪(PH-SWOMP)算法,其中部分哈达玛矩阵根据偶数行抽取原则进行构造,可以显著降低测量矩阵的互相关性;最后,通过与传统SWOMP算法的图像重构对比仿真实验对PH-SWOMP算法性能进行了验证,其中传统SWOMP算法分别选取高斯矩阵、托普利兹矩阵等4种矩阵作为测量矩阵.仿真结果表明,在相同条件下,相比于传统SWOMP算法,PH-SWOMP算法信噪比最大提高了53.95%,相应的重构时间缩短了15.41%,具有更小的恢复残差以及更高的信号重构成功率.

压缩感知中高斯矩阵的优化研究

为了优化高斯矩阵,对部分哈达玛矩阵与高斯矩阵的统计学参数作了对比分析,确定了导致部分哈达玛矩阵信号重构能力好的主要因素,并提出了高斯矩阵优化算法。验证了优化算法对不同规模高斯矩阵的通用性和有效性,确定了优化矩阵对各种稀疏信号重构算法的适用性。最后对优化矩阵的性能作了初步的理论和实验分析,优化矩阵的信号重构能力可达到、甚至超过哈达玛矩阵。研究成果为测量矩阵的分析、设计和优化提供了新的思路和方法。

一种新的量测矩阵在压缩感知复数重构中的应用

在分析常用量测矩阵优缺点的基础上,将随机符号矩阵、部分哈达玛矩阵和随机抽样矩阵相结合,构建了一个新的部分随机化哈达玛量测矩阵,克服了局部哈达玛矩阵只能用于信号维度是2的n次幂的应用缺陷,保留了局部哈达玛矩阵作为量测矩阵进行重构时需要量测个数最少、重构精度最高的优势,并将矩阵与平滑0-范数法结合应用于复数重构.仿真分析表明:部分随机化哈达玛量测矩阵具有非相关性强、重构精度高和重构所需量测个数少、噪声鲁棒性强等优点.