(19)中华人民共和国国家知识产权局
(12)发明专利说明书
(10)申请公布号 CN 103489207 A
(43)申请公布日 2014.01.01
(21)申请号 CN201310452181.7
(22)申请日 2013.09.29
(71)申请人 哈尔滨工程大学
    地址 150001 黑龙江省哈尔滨市南岗区南通大街145号哈尔滨工程大学科技处知识产权办公室
(72)发明人 卞红雨 吴菊 张志刚 孙慧娟
(74)专利代理机构
    代理人
(51)Int.CI
      G06T11/00
                                                                  权利要求说明书 说明书 幅图
(54)发明名称
      一种渐进式正则化自适应匹配追踪方法
正则化参数的自适应估计
(57)摘要
      本发明属于图像信号处理领域，具体涉及一种用于信号或者图像重建的渐进式正则化自适应匹配追踪方法。本发明包括：初始参数定义，利用余量与传感矩阵的每一列的内积计算相关系数；对J中索引值对应原子的相关系数进行正则化；更新支撑集，并进行余量更新等。本发明更合理的设计了稀疏度的迭代步长，保证了迭代能够渐进式地逼近信号的真实稀疏度，提高了迭代的收敛性及信号重建的质量。
法律状态
法律状态公告日
法律状态信息
法律状态
权 利 要 求 说 明 书
1.一种渐进式正则化自适应匹配追踪方法，其特征在于：           
（1）初始参数定义，定义测量值为y，重建信号为初始余量r<sub>0</sub>＝y，传感矩阵为Θ，            初始步长size≠0，初始稀疏度K<sub>0</sub>＝size，索引值集合支撑集Φ<sub>Λ</sub>，迭            代次数n＝1，迭代阶段stage=1，阈值1为ε<sub>1</sub>、阈值2为ε<sub>2</sub>、阈值3为ε<sub>3</sub>；           
（2）利用余量r与传感矩阵Θ的每一列的内积计算相关系数，在相关系数中寻K<sub>0</sub>个            最大值对应的索引值存入J中；           
（3）对J中索引值对应原子的相关系数进行正则化，并将正则化结果存入集合J<sub>0</sub>中；           
（4）更新支撑集Φ<sub>Λ</sub>，应用最小二乘法估算得到信号的估计值并进行余量更新；           
（5）若||r<sub>n</sub>-r<sub>n-1</sub>||≤ε<sub>1</sub>，执行步骤6，否则，令n＝n+1，重新执行步骤2；           
（6）若||r<sub>n</sub>||<sub>2</sub>≤ε<sub>2</sub>，则停止迭代，否则执行步骤7；           
（7）若||r<sub>n</sub>||<sub>2</sub>≤ε<sub>3</sub>，则令K<sub>0</sub>＝K<sub>0</sub>+size，n＝n+1，stage=stage+1，执            行步骤2，否则令K<sub>0</sub>＝K<sub>0</sub>+size，n＝n+1，stage=stage+1，执行步骤2。           
说  明  书
<p>技术领域       
本发明属于图像信号处理领域，具体涉及一种用于信号或者图像重建的渐进式正则化自        适应匹配追踪方法。       
背景技术       
近几年出现的压缩传感理论（如CANDES E.Compressive sampling[A].Proceedings of the        International Congress of Mathematicians[C].Madrid,Spain,2006,3:1433-1452；DONOHO D.L.        Compressed sensing[J].IEEE Trans.On Information Theory.2006,52(4):1289-1306.），将信号的采        样与压缩过程合二为一，在进行数据采集时，只需要获取很少的观测值，然后利用重构算法        就能够精确恢复出原信号。该理论一经提出，就引起了学术界的轰动，国内外众多学者纷纷        开展了相关领域的研究。       
信号的重建是压缩传感理论的关键内容，DONOHO D L,ELAD M,and TEMLYAKOV V        N在《Stable recovery of sparse overcomplete representations in the presence of noise》IEE
E        Transactions on Information Theory,2006,52(1):6-18中指出匹配追踪类方法能够有效地应用于        压缩传感的信号重建并具有一定的稳定性。在此基础上引入的正交化和正则化过程，保证了        迭代的最优性，减少了迭代次数。而自适应匹配追踪算法（THONG T Do,GAN Lu,NGUYEN        et al.Sparsity adaptive matching pursuit algorithm for practical compressed sensing.Asilomar        Conference on Signals,Systems,and Computers,Pacific Grove,California,2008,10:581-587.）可        以在信号稀疏度未知的情况下获得较好的重建效果，且具有较快的速度。刘亚新，赵瑞珍，        胡绍海等在电子与信息学报的《用于压缩感知信号重建的正则化自适应匹配追踪算法》中将        上述各种思想融合起来提出了正则化自适应匹配追踪算法。正则化自适应匹配追踪算法增强        了信号重建的理论依据同时不需要预先估计信号的稀疏度，但其迭代步长的设置不甚合理，        跨越式的步长迭代很难保证信号重建过程的收敛性。       

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。