一种基于能量的压缩感知稀疏度估计算法

发布时间：2018-10-29 16:58

【摘要】：压缩感知理论中,信号稀疏度直接关系到采样速率的设定以及观测矩阵的构造,而该先验信息往往受限.针对这一问题,本文从大维随机矩阵谱分析理论出发,分析了采样协方差矩阵的极限特征值概率分布特征,并结合其与观测信号能量的关系推导得到观测信号能量与压缩率、稀疏度和信噪比之间的对应关系,提出一种基于观测信号能量的稀疏度估计算法.相对于已有算法,该算法计算复杂度较低,且估计精度较好,并可通过增加采样开销进一步提升稀疏度估计精度,仿真实验验证了本文算法的有效性.
[Abstract]:In the theory of compression sensing, the signal sparsity is directly related to the setting of sampling rate and the construction of observation matrix, but the prior information is often limited. In order to solve this problem, the probability distribution characteristics of the limit eigenvalue of the sampling covariance matrix are analyzed based on the theory of large dimensional random matrix spectrum analysis, and the energy and compression ratio of the observed signal are derived by combining the relationship between the probability distribution and the observed signal energy. Based on the relation between sparsity and SNR, a sparse estimation algorithm based on observed signal energy is proposed. Compared with the existing algorithms, the proposed algorithm has lower computational complexity and better estimation accuracy. It can further improve the accuracy of sparse degree estimation by increasing the sampling cost. The simulation results show that the proposed algorithm is effective.
【作者单位】： 信息工程大学信息系统工程学院;
【基金】：国家自然科学基金(No.61072046)
【分类号】：TN911.7

【相似文献】

相关期刊论文 前10条

1 田文飚;芮国胜;;平滑零范数稀疏度约束下的盲稀疏回溯重构算法[J];宇航学报;2013年03期

2 彭森;许飞云;贾民平;胡建中;;含稀疏度约束的非负张量分解算法及其在故障诊断中的应用(英文)[J];Journal of Southeast University(English Edition);2009年03期

3 董政;葛临东;巩克现;;基于压缩采样匹配追踪的稀疏度和稀疏信道联合估计[J];四川大学学报(工程科学版);2014年01期

4 马原;吕群波;刘扬阳;钱路路;裴琳琳;;基于主成分变换的图像稀疏度估计方法[J];物理学报;2013年20期

5 周亚同;张伟;杨瑞霞;;一维非均匀采样信号可变稀疏度傅里叶重建算法研究[J];微电子学与计算机;2012年07期

6 王平;阮怀林;樊甫华;陈小波;;基于压缩感知超宽带信号盲稀疏度信道估计[J];电讯技术;2012年11期

7 朱延万;赵拥军;孙兵;;一种改进的稀疏度自适应匹配追踪算法[J];信号处理;2012年01期

8 周亚同;王丽莉;唐红梅;;基于压缩感知的稀疏度自适应图像修复[J];铁道学报;2014年09期

9 杨成;冯巍;冯辉;杨涛;胡波;;一种压缩采样中的稀疏度自适应子空间追踪算法[J];电子学报;2010年08期

10 安春燕;纪红;李屹;张晓亮;;压缩采样中基于离散时间马尔科夫链的动态控制机制(英文)[J];Journal of Southeast University(English Edition);2012年03期

相关硕士学位论文 前5条

1 汤倩;基于字典学习和贪婪追踪的数字图像稀疏去噪[D];长沙理工大学;2014年

2 李浚魁;基于压缩感知的图像复原[D];昆明理工大学;2016年

3 陈世姣;盲稀疏度的CS前向预测算法及其在稀疏结构信号中的应用[D];华南理工大学;2013年

4 任淼;Directionlets格型实现及其在CS稀疏度和观测维数估计中的应用[D];华南理工大学;2011年

5 刘京川;基于稀疏度检测的宽带压缩频谱感知方法研究[D];北京邮电大学;2013年

，

本文编号：2298287