【摘要】:因贪婪算法在对欠定方程求解时,总能快速、准确地找到未知数的解,本章选择贪婪算法中OMP算法作为稀疏信号的重构算法。OMP是通过确定测量矩阵Φ的那一列参与测量向量y来确定x,运用反复迭代的方式去确定每一列。图5-2OMP算法示意流程
有限等距性质理论上保证了可压缩全息图可以被测量值y中的M个测量值完整地描述,但是没有说如何让它恢复,压缩信号的重构必须采用测量值y,随机测量矩阵Φ,以及稀疏变换阵Ψ,来恢复原全息图。
因贪婪算法在对欠定方程求解时,总能快速、准确地找到未知数的解,本章选择贪婪算法中OMP算法作为稀疏信号的重构算法。只需要M个测量值及测量矩阵,便能很好地恢复原始N维信号。OMP是通过确定测量矩阵Φ的那一列参与测量向量y来确定x,运用反复迭代的方式去确定每一列。在每一次的迭代过程中,选择测量矩阵Φ中与测量向量y的剩余部分最相关的列,然后从测量向量中抽取该列对测量向量的贡献值,再对其冗余迭代。
OMP算法实现的具体步骤为:
(1)初始化残差r0=y,指标集Λ0=Φ,迭代计数t=1;
(2)找到满足下述最优化问题的指标λt,;
(3)扩充指标集和矩阵,Φ0为空矩阵;
(4)求解如下最小二乘问题:xt=arg minx||y-Φtx||2;(www.xing528.com)
(5)计算新的信号估计和残差:at=Φtxt,rt=y-at;
(6)t=t+1,若t<K则返回步骤(2);
(7)获得的估计为ΛK中非零值指标元素,且在该位置的测量向量逼近为:。
OMP算法的示意流程如图5-2所示。
图5-2 OMP算法示意流程
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。