分块大小未知的块稀疏信号的盲重构方法.pdf
是你****噩呀
亲,该文档总共11页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
分块大小未知的块稀疏信号的盲重构方法.pdf
分块大小未知的块稀疏信号的盲重构方法,它涉及压缩感知技术领域,它解决了目前块稀疏信号的重构方法需要分块大小以及块稀疏度作为先验知识的问题。该方法通过初始化块稀疏度和分块大小,对每一个分块大小,算法进行块稀疏度自适应迭代,找到每一个分块大小对应的重构信号。随着算法不断迭代,分块大小随之增加,直至算法得到的重构信号0-范数小于测量矩阵行数时算法结束,把此重构信号作为算法输出。若不满足此条件,则算法运行至:在分块大小小于等于信号长度一半时,分块大小和块稀疏度的乘积大于等于信号长度,迭代结束,得到一系列重构信号,
基于DMWC系统的盲多带稀疏信号高效重构算法.pdf
本发明提出一种基于DMWC系统的盲多带稀疏信号高效重构算法,首先利用DMWC系统得到样本序列,然后求解门限值,将测量矩阵各列向量与残差矩阵的内积值与弱相关的门限值进行比较,选出测量矩阵中满足弱相关的原子,使用匹配追踪的迭代思想迭代更新,得到循环算法下的支撑集,然后执行ISWOMP算法,得到ISWOMP算法下的支撑集,求出联合支撑集后删除无效支撑集,输出最终的支撑集。ISWOMP算法中引入相关系数对原子进行“弱选择”,避免了因内积值的范数影响,提高了原子选择准确性。在保证高概率重构信号的条件下,提升了对随机
一种面向压缩感知的稀疏多带信号盲重构方法.pdf
本发明公开了一种面向压缩感知的稀疏多带信号盲重构方法。步骤1、将多带信号重构问题转化为线性规划问题;步骤2、步骤1的线性公式设定输入值;步骤3、输入采样得到的稀疏多带信号,对稀疏多带信号进行l次迭代操作;步骤4、计算SPG投影的估计值;步骤5、更新对应的残差的估计值:步骤6、更新迭代;步骤7、完成稀疏多带信号的重构。本发明解决现有方法在实际应用中由于无法获得当前有效频带数而导致无法进行稀疏多带信号重构的问题。
一种基于稀疏正则化约束的盲解卷积信号重构方法.pdf
一种基于稀疏正则化约束的盲解卷积信号重构方法,本发明涉及基于稀疏正则化约束的盲解卷积信号重构方法。本发明的目的是为了解决现有稀疏盲解卷积信号重构方法对观测点需求多、信号重构准确率低、误差大的问题。过程为:1、设置<base:Imagehe=@77@wi=@137@file=@DDA0003642931690000011.JPG@imgContent=@drawing@imgFormat=@JPEG@orientation=@portrait@inline=@yes@/>的初始值;2、定义损失函数,迭代<b
基于稀疏理论的谐波组合信号非均匀欠采样盲重构方法.pdf
本发明公开了一种非均匀欠采样条件下谐波组合信号的重构方法,其中方法包括以下步骤:步骤1、获取N个大于Nyquist采样周期的欠采样周期内j个信号数值的时间序列。步骤2、根据采样数据对应的时间构造测量矩阵。步骤3、构造含测量向量、测量矩阵、傅里叶基矩阵、重构一维稀疏向量的稀疏重构方程。步骤4、对重构表达式进行正交化预操作,构造等效表达式。步骤5、计算重构方程的观测矩阵互相关系数,调整采样时间间隔,重新构造观测矩阵,使观测矩阵互相关系数最小。步骤6、利用凸优化方法、贪婪算法等典型重构算法,求解稀疏向量,获得谐