一种基于变步长的稀疏度自适应匹配追踪算法
压缩感知(Compressed Sensing,CS)理论突破了传统的采样定率,对于稀疏的或可压缩的信号,可同时进行采样和压缩.其中重构算法是压缩感知理论的研究热点之一,对采样过程的正确性验证有着重要意义.稀疏度自适应匹配追踪算法(Sparsity Adaptive Matching Pursuit,SAMP)在迭代过程中采用固定步长,容易导致过估计和欠估计.为解决该问题,根据相邻信号能量差的变化规律,在迭代过程中采用对数型的”变步长”,即迭代的初始阶段步长增长速度较快,当能量差达到一定阈值时,则步长增长速度较慢,并设置双阈值严格控制逼近的精确度.实验表明,改进后算法提高了重构质量,尤其是在当采样率较低时,仍有较好的重构效果.
图像处理 稀疏度自适应匹配追踪算法 步长变化 压缩感知理论
毕学霞 尚振宏 强振平 刘辉
昆明理工大学信息工程与自动化学院,昆明 650500 西南林业大学计算机与信息学院 昆明 650224
国内会议
沈阳
中文
2116-2120,2125
2014-08-30（万方平台首次上网日期，不代表论文的发表时间）