针对压缩采样匹配追踪(Co Sa MP)算法重构精度相对较差的问题,为了提高算法的重构性能,提出了一种基于伪逆处理改进的压缩采样匹配追踪(MCo Sa MP)算法。首先,在迭代前,对观测矩阵进行伪逆处理,以此来降低原子间的相干性,从而提高原子...针对压缩采样匹配追踪(Co Sa MP)算法重构精度相对较差的问题,为了提高算法的重构性能,提出了一种基于伪逆处理改进的压缩采样匹配追踪(MCo Sa MP)算法。首先,在迭代前,对观测矩阵进行伪逆处理,以此来降低原子间的相干性,从而提高原子选择的准确性;然后,结合正交匹配追踪算法(OMP),将OMP算法迭代K次后的原子和残差作为Co Sa MP算法的输入;最后,每次迭代后,通过判断残差是否小于预设阈值来决定算法是否终止。实验结果表明,无论是对一维高斯随机信号还是二维图像信号,MCo Sa MP算法的重构效果优于Co Sa MP算法,能够在观测值相对较少的情况下,实现信号的精确重构。展开更多
文摘针对压缩采样匹配追踪(Co Sa MP)算法重构精度相对较差的问题,为了提高算法的重构性能,提出了一种基于伪逆处理改进的压缩采样匹配追踪(MCo Sa MP)算法。首先,在迭代前,对观测矩阵进行伪逆处理,以此来降低原子间的相干性,从而提高原子选择的准确性;然后,结合正交匹配追踪算法(OMP),将OMP算法迭代K次后的原子和残差作为Co Sa MP算法的输入;最后,每次迭代后,通过判断残差是否小于预设阈值来决定算法是否终止。实验结果表明,无论是对一维高斯随机信号还是二维图像信号,MCo Sa MP算法的重构效果优于Co Sa MP算法,能够在观测值相对较少的情况下,实现信号的精确重构。
