压缩感知理论下扩展迭代重加权最小二乘算法的性能分析

发布时间：2018-03-16 05:04

  本文选题：迭代重加权　切入点：矩阵秩　出处：《中山大学学报(自然科学版)》2014年02期 　论文类型：期刊论文

【摘要】：利用最稀疏表示重构原始信号是压缩感知理论的核心,而基于几何影射约束的最小l1范数凸优化算法是其实现的主要方法。目前,解决最小lp(p≤1)范数问题的关键是迭代重加权最小二乘算法(IRLS-p,0p≤1),但其收敛和实时性较差。为此,文中从最小化矩阵秩的角度出发对一类扩展迭代重加权最小二乘算法(EIRLS-p)进行性能实现分析,用以改进IRLS-p算法的连续迭代收敛性及其实时性能。验证结果表明,EIRLS-0和sEIRLS-0算法性能优于奇异值门限(SVT)算法。同时,在没有先验知识的情况下,sEIRLS-0算法性能也优于迭代硬阈值(IHT)算法。
[Abstract]:Using the sparse representation of the original signal reconstruction is the core of compressed sensing theory, and based on geometric constraints to the minimum L1 norm convex optimization algorithm is the main method to realize it. At present, solving the minimum LP (P < 1) key norm problem is iterative reweighted least squares algorithm (IRLS-p, 0P = 1), but its convergence and the poor real-time. Therefore, this paper from the perspective of matrix rank minimization for a class of extended iterative reweighted least squares algorithm (EIRLS-p) for performance analysis, continuous iterative convergence with improved IRLS-p algorithm and its real-time performance. The verification results show that the EIRLS-0 and sEIRLS-0 algorithm is better than the singular value threshold (SVT) algorithm. At the same time, in the absence of a priori knowledge, the performance of sEIRLS-0 algorithm is better than the iterative hard thresholding (IHT) algorithm.

【作者单位】： 广东技术师范学院电子与信息学院;
【基金】：国家自然科学基金资助项目(61272381) 广东省自然科学基金资助项目(S2012010008639) 广东省科技计划资助项目(2012B010100035)
【分类号】：TN911.7

【参考文献】

相关期刊论文 前3条

1 杨海蓉;张成;丁大为;韦穗;;压缩传感理论与重构算法[J];电子学报;2011年01期

2 练秋生;周婷;;结合字典稀疏表示和非局部相似性的自适应压缩成像算法[J];电子学报;2012年07期

3 周燕;张德丰;马子龙;;基于压缩传感的图像哈希水印算法研究[J];中山大学学报(自然科学版);2010年06期

【共引文献】

相关期刊论文 前10条

1 焦鹏飞;李亮;赵骥;;压缩感知在医学图像重建中的最新进展[J];CT理论与应用研究;2012年01期

2 黄添强;苏立超;;基于自适应小波基和Smoothed-l_0的压缩感知图像重构算法[J];江苏技术师范学院学报;2011年10期

3 平博;苏奋振;周成虎;高义;;局部SVT算法的遥感反演场数据恢复实验分析[J];地球信息科学学报;2011年05期

4 付争;芮国胜;田文飚;;准稀疏信号的压缩感知重构[J];电子测量技术;2011年06期

5 赵贻玖;王厚军;戴志坚;;基于隐马尔科夫树模型的小波域压缩采样信号重构方法[J];电子测量与仪器学报;2010年04期

6 史加荣;焦李成;尚凡华;;不完全非负矩阵分解的加速算法[J];电子学报;2011年02期

7 焦李成;杨淑媛;刘芳;侯彪;;压缩感知回顾与展望[J];电子学报;2011年07期

8 刘哲;杨扬;;一种新的基于压缩感知理论的稀疏信号重构算法[J];光电子.激光;2011年02期

9 何宜宝;毕笃彦;马时平;鲁磊;岳耀帅;;用概率推导和加权迭代L1范数实现信号重构[J];光电子.激光;2012年03期

10 张成;杨海蓉;韦穗;;循环-托普利兹块相位掩模可压缩双透镜成像[J];光学学报;2011年08期

相关会议论文 前4条

1 ;A review on restoration of seismic wavefields based on regularization and compressive sensing[A];中国科学院地质与地球物理研究所第11届（2011年度）学术年会论文集(下)[C];2012年

2 眭怡;周元泽;;L1范数约束下的稀疏脉冲序列提取[A];中国地球物理2010——中国地球物理学会第二十六届年会、中国地震学会第十三次学术大会论文集[C];2010年

3 宁本德;屈小波;郭迪;陈忠;;基于小波变域内局部方向性的磁共振图像稀疏重建[A];第十七届全国波谱学学术会议论文摘要集[C];2012年

4 崔永超;李秀娟;文成林;;基于凸优化方法对逆问题求解测量值数目的研究[A];第25届中国控制与决策会议论文集[C];2013年

相关博士学位论文 前10条

1 王树云;基于Bayes方法和图限制下正规化方法的变量选择问题及其在基因组数据中的应用[D];山东大学;2010年

2 刘吉英;压缩感知理论及在成像中的应用[D];国防科学技术大学;2010年

3 易学能;图像的稀疏字典及其应用[D];华中科技大学;2011年

4 章寒;单倍型的分布估计和关联分析[D];中国科学技术大学;2011年

5 田彦;基于视频的人体姿势预测与跟踪[D];北京邮电大学;2011年

6 黄安民;基于感知字典的稀疏重建算法研究[D];电子科技大学;2011年

7 王英楠;几类非对称矩阵锥分析[D];北京交通大学;2011年

8 陈旭阳;主动式探测系统高质量检测、成像与识别方法研究[D];西安电子科技大学;2011年

9 程捷;无线传感器网络查询技术研究[D];华中科技大学;2011年

10 高磊;压缩感知理论在宽带成像雷达Chirp回波处理中的应用研究[D];国防科学技术大学;2011年

相关硕士学位论文 前10条

1 翟冲;基于压缩感知的视频编码技术研究[D];大连理工大学;2010年

2 姚璐;融合社会化标签的协同过滤算法研究[D];浙江大学;2011年

3 毋芳芳;基于学习的压缩感知图像恢复方法研究[D];西安电子科技大学;2011年

4 贾亮;基于矩阵稀疏的视频目标跟踪[D];大连理工大学;2011年

5 陈一统;OFDM系统中基于压缩感知的稀疏信道估计[D];兰州大学;2011年

6 李寅;基于张量分解的视觉显著性算法研究[D];上海交通大学;2011年

7 宋慧慧;基于稀疏表示的图像超分辨率重建算法研究[D];中国科学技术大学;2011年

8 池小梅;压缩传感理论及其在红外图像处理中的应用研究[D];河南科技大学;2011年

9 朱颢;全方位舌像特征提取及多核学习分类[D];哈尔滨工业大学;2011年

10 马孝阳;基于压缩感知的图像获取及重构研究[D];哈尔滨工业大学;2011年

【二级参考文献】

相关期刊论文 前10条

1 石光明;刘丹华;高大化;刘哲;林杰;王良君;;压缩感知理论及其研究进展[J];电子学报;2009年05期

2 练秋生;陈书贞;;基于解析轮廓波变换的图像稀疏表示及其在压缩传感中的应用[J];电子学报;2010年06期

3 杨海蓉;张成;丁大为;韦穗;;压缩传感理论与重构算法[J];电子学报;2011年01期

4 林克正;李东勤;李绍华;;基于Hash函数的脆弱图像水印算法[J];哈尔滨工程大学学报;2008年01期

5 方红;章权兵;韦穗;;改进的后退型最优正交匹配追踪图像重建方法[J];华南理工大学学报(自然科学版);2008年08期

6 方红;章权兵;韦穗;;基于亚高斯随机投影的图像重建方法[J];计算机研究与发展;2008年08期

7 付炜;邢广忠;;置换DCT域中频系数的盲水印嵌入算法研究[J];计算机应用研究;2007年03期

8 李树涛;魏丹;;压缩传感综述[J];自动化学报;2009年11期

9 张宝华;殷新春;;RSA密码算法的安全及有效实现[J];中山大学学报(自然科学版);2008年06期

10 梁长垠;李昂;牛夏牧;;基于云水印的视频内容认证技术[J];中山大学学报(自然科学版);2009年01期

【相似文献】

相关期刊论文 前10条

1 屈乐乐;黄琼;方广有;;基于压缩感知的频率步进探地雷达成像算法[J];系统工程与电子技术;2010年02期

2 戚晨皓;吴乐南;;采用压缩感知的数字广播信道估计(英文)[J];Journal of Southeast University(English Edition);2010年03期

3 屈乐乐;方广有;杨天虹;;压缩感知理论在频率步进探地雷达偏移成像中的应用[J];电子与信息学报;2011年01期

4 单进;芮贤义;;基于压缩感知的稳健性说话人识别[J];电声技术;2011年02期

5 王开;刘郁林;和继威;;准Toeplitz测量矩阵的有限等距性质分析[J];计算机应用研究;2011年04期

6 季云云;杨震;;基于主分量分析的语音信号压缩感知[J];信号处理;2011年07期

7 谢志鹏;;迭代式正交匹配追踪及稀疏解[J];微电子学与计算机;2009年10期

8 余慧敏;方广有;;压缩感知理论在探地雷达三维成像中的应用[J];电子与信息学报;2010年01期

9 何雪云;宋荣方;周克琴;;基于压缩感知的OFDM系统稀疏信道估计新方法研究[J];南京邮电大学学报(自然科学版);2010年02期

10 岑翼刚;陈晓方;岑丽辉;陈世明;;基于单层小波变换的压缩感知图像处理[J];通信学报;2010年S1期

相关会议论文 前10条

1 刘佶鑫;孙权森;罗楠;;压缩感知技术在遥感图像识别中的应用研究[A];中国遥感应用协会2010年会暨区域遥感发展与产业高层论坛论文集[C];2010年

2 梁瑞宇;奚吉;张学武;;压缩感知理论在语音信号处理中的应用[A];2010’中国西部声学学术交流会论文集[C];2010年

3 项艳;柏又青;冯有前;朱丰;张群;;压缩感知在ISAR数据传输中的应用[A];第八届全国信号与信息处理联合学术会议论文集[C];2009年

4 吕沛;周仁魁;何俊华;刘海英;;一种基于压缩感知的水下成像新技术[A];2010年西部光子学学术会议摘要集[C];2010年

5 王乔邦;郭伟;;一种有效的DSSS信号的PN序列的盲同步方法[A];2006中国西部青年通信学术会议论文集[C];2006年

6 马平;李瑞胜;;具有未知输入参数的加权自适应最小方差控制器[A];1995年中国控制会议论文集（上）[C];1995年

7 杨辉;韩东;;最小误差空域预滤波器设计及误差分析[A];2009年全国水声学学术交流暨水声学分会换届改选会议论文集[C];2009年

8 高建虎;陈杰;张履谦;;基于压缩感知和EMD的SAR海洋内波探测方法[A];第九届全国信息获取与处理学术会议论文集Ⅱ[C];2011年

9 陈守宁;郑宝玉;吉晓东;;WMSN中基于压缩感知的VSQI压缩反馈[A];2010年通信理论与信号处理学术年会论文集[C];2010年

10 吴有富;代模;;基于矩阵秩约束的三维目标空间结构重构及其退化分析(英文)[A];第三届贵州省自然科学优秀学术论文评选获奖论文集（2010年）[C];2010年

相关博士学位论文 前10条

1 闫亮;不适定问题高效算法研究[D];兰州大学;2011年

2 余磊;低维测量空间中信号恢复算法[D];武汉大学;2012年

3 陆阳;宽带频谱压缩感知关键技术研究[D];北京邮电大学;2012年

4 徐永刚;矿山数据压缩采集与重建方法研究[D];中国矿业大学;2013年

5 陈小山;矩阵扰动若干问题研究[D];华南师范大学;2007年

6 刘吉英;压缩感知理论及在成像中的应用[D];国防科学技术大学;2010年

7 李洪涛;自适应数字波束形成关键技术研究[D];南京理工大学;2012年

8 李永杰;基于压缩感知的信息反馈、检测与重建研究[D];南京邮电大学;2012年

9 许琼;X线CT不完备投影数据统计重建研究[D];西安交通大学;2012年

10 何学智;微波凝视关联成像的信息处理方法与仿真[D];中国科学技术大学;2013年

相关硕士学位论文 前10条

1 方玲;几类约束矩阵方程（组）最小二乘解及最佳逼近的迭代解法[D];湖南大学;2008年

2 钟明星;一类矩阵方程的约束极小范数最小二乘解[D];湖南大学;2008年

3 马加庆;多变量随机系统自适应极点配置算法研究[D];西安电子科技大学;2002年

4 张艳燕;一类矩阵方程约束最小二乘解的迭代解法[D];湖南大学;2006年

5 陈良;稳定IIR数字滤波器的最小二乘算法研究[D];山东大学;2006年

6 肖金桐;矩阵方程反问题的极小Frobenius范数对称解[D];河北师范大学;2008年

7 张新东;矩阵方程AX＝B的双反对称问题[D];新疆大学;2008年

8 张恒霞;Hermite矩阵及一类2×2分块矩阵秩的不等式[D];陕西师范大学;2012年

9 马硕骜;稀疏时变信号压缩感知重构算法的研究[D];南京理工大学;2014年

10 沈金荣;若干矩阵方程（组）的极小范数最小二乘解[D];湖南大学;2007年

，

本文编号：1618424