幾種壓縮感知算法_第1頁
幾種壓縮感知算法_第2頁
幾種壓縮感知算法_第3頁
幾種壓縮感知算法_第4頁
幾種壓縮感知算法_第5頁
已閱讀5頁,還剩6頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

.1壓縮感知部分壓縮感知算法重要可分為三類:貪婪迭代算法、凸凸優(yōu)化(或最優(yōu)化逼近辦法)和基于貝葉斯框架提出的重構(gòu)算法。由于第三類辦法重視信號的時間有關(guān)性,不適合圖像解決問題,故現(xiàn)在的研究成果重要集中在前兩類中。現(xiàn)在已實現(xiàn)6中算法,分別為正交匹配追蹤法(OMP)、迭代硬閾值法(IHT)、分段正交匹配追蹤法(StOMP)、分段弱正交匹配追蹤法(SwOMP)、廣義正交匹配追蹤(GOMP)、基追蹤法(BP)。1.1正交匹配追蹤法(OMP)在正交匹配追蹤OMP中,殘差是總與已經(jīng)選擇過的原子正交的。這意味著一種原子不會被選擇兩次,成果會在有限的幾步收斂。OMP的算法以下(1)用x表達(dá)你的信號,初始化殘差e0=x;(2)選擇與e0內(nèi)積絕對值最大的原子,表達(dá)為φ1;(3)將選擇的原子作為列構(gòu)成矩陣Φt,定義Φt列空間的正交投影算子為通過從e0減去其在Φt所張成空間上的正交投影得到殘差e1;(4)對殘差迭代執(zhí)行(2)、(3)步;其中I為單位陣。需要注意的是在迭代過程中Φt為全部被選擇過的原子構(gòu)成的矩陣,因此每次都是不同的,因此由它生成的正交投影算子矩陣P每次都是不同的。(5)直達(dá)成到某個指定的停止準(zhǔn)則后停止算法。OMP減去的Pem是em在全部被選擇過的原子構(gòu)成的矩陣Φt所張成空間上的正交投影,而MP減去的Pem是em在本次被選擇的原子φm所張成空間上的正交投影。經(jīng)OMP算法重構(gòu)后的成果以下所示:算法的使用時間以下:1.2迭代硬閾值法(IHT)目的函數(shù)為這里中的M應(yīng)當(dāng)指的是M-sparse,S應(yīng)當(dāng)指的是Surrogate。這里規(guī)定:之后我們運用式對目的函數(shù)進(jìn)行變形。接著便是獲得極值點:運用該式進(jìn)行迭代能夠得到極值點,我們需要的是最小值。此時目的函數(shù)的最小值就得到了。此時便得到我們需要的公式:我們要確保向量y的稀疏度不不不大于M,即,為了達(dá)成這一目的,要保存最大的M項(由于是平方,因此要取絕對值absolutevalue),剩余的置零(注意這里有個負(fù)號,因此要保存最大的M項)。IHT算法成果:IHT算法使用時間以下:1.3分段正交匹配追蹤法(StOMP)分段正交匹配追蹤(StagewiseOMP)也是由OMP改善而來的一種貪心算法,與CoSaMP、SP算法類似,不同之處在于CoSaMP、SP算法在迭代過程中選擇的是與信號內(nèi)積最大的2K或K個原子,而StOMP是通過門限閾值來擬定原子。此算法的輸入?yún)?shù)中沒有信號稀疏度K,因此相比于ROMP及CoSaMP有獨到的優(yōu)勢。StOMP的算法流程:經(jīng)StOMP算法重構(gòu)后的成果以下所示:該算法的用時狀況以下:1.4分段弱正交匹配追蹤法(SwOMP)分段弱正交匹配追蹤(StagewiseWeakOMP)能夠說是StOMP的一種修改算法,它們的唯一不同是選擇原子時的門限設(shè)立,這能夠減少對測量矩陣的規(guī)定。我們稱這里的原子選擇方式為"弱選擇"(WeakSelection),StOMP的門限設(shè)立由殘差決定,這對測量矩陣(原子選擇)提出了規(guī)定,而SWOMP的門限設(shè)立則對測量矩陣規(guī)定較低(原子選擇相對簡樸、粗糙)。SWOMP的算法流程:經(jīng)SwOMP算法重構(gòu)后的成果以下所示:該算法的用時狀況以下:1.5廣義正交匹配追蹤法(GOMP)廣義正交匹配追蹤(GeneralizedOMP,gOMP)算法能夠看作為OMP算法的一種推廣。OMP每次只選擇與殘差有關(guān)最大的一種,而gOMP則是簡樸地選擇最大的S個。之因此這里表述為"簡樸地選擇"是相比于ROMP之類算法的,不進(jìn)行任何其它解決,只是選擇最大的S個而已。GOMP算法流程以下:經(jīng)GOMP算法重構(gòu)后的成果以下所示:該算法的用時狀況以下:1.6基追蹤法(BP)除匹配追蹤類貪婪迭代算法之外,壓縮感知重構(gòu)算法另一大類就是凸優(yōu)化算法或最優(yōu)化逼近辦法,這類辦法通過將非凸問題轉(zhuǎn)化為凸問題求解找到信號的逼近,其中最慣用的辦法就是基追蹤(BasisPursuit,BP),該辦法提出使用l1范數(shù)替代l0范數(shù)來解決最優(yōu)化問題,方便使用線性規(guī)劃辦法來求解。經(jīng)BP算法重構(gòu)后的成果以下所示:該算法的用時狀況以下:2.推薦壓縮感知算法在CDSN上有諸多介紹和資源,這里推薦一種大神的博客,基本包含了現(xiàn)在慣用的全部的壓縮感知算法的介紹,固

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論