基于自适应次梯度投影算法的压缩感知信号重构

被引：12

作者：

梁瑞宇 ^{[1
,2
]}

邹采荣 ^{[1
]}

王青云 ^{[1
]}

张学武 ^{[2
]}

机构：

[1] 东南大学信息科学与工程学院

[2] 河海大学计算机及信息工程学院

来源：

信号处理 | 2010年 / 26卷 / 12期

基金：

中央高校基本科研业务费专项资金资助;

关键词：

次梯度投影; 压缩感知; 稀疏重构;

D O I：

暂无

中图分类号：

TN911.7 [信号处理];

学科分类号：

0711 ; 080401 ; 080402 ;

摘要：

本文提出一种利用自适应次梯度投影算法(Adaptive Subgridient Projection Method,ASPM)进行压缩感知(Compressed Sensing,CS)信号重构的方案。ASPM算法首先根据CS重构模型建立包含稀疏重构信号并具有随机属性的凸集,然后运用并行次梯度投影的思想将对该凸集的投影转化为对多个闭合半平面的投影,最后将更新后的干扰抑制滤波器系数矢量投影到限定集合上。同时为了获得快速收敛性,本文设计了在迭代的不同阶段自适应地调节该膨胀系数的机制。理论分析和仿真结果表明,本算法具有快速收敛性和较低的重构误差,在不同的噪声强度下具有较高的鲁棒性。

引用

页码：1883 / 1889

页数：7

共 20 条

[1] Near-optimal signal recovery from random projections and universal encoding strategies. E.J.Candès,,T.Tao. IEEE Transactions on Information Theory . 2006
[2] Peak-to-average power ratio reduction in OFDM systems by the adaptive projec-ted subgradient method. Cavalcante R L G,Yamada I. IEEE ICASSP2008 . 2008
[3] 压缩感知理论及其研究进展
石光明
刘丹华
高大化
刘哲
林杰
王良君
[J]. 电子学报, 2009, 37 (05) : 1070 - 1081
[4] ＂An efficient robust adaptive filtering algorithm based on parallel subgradient projection techniques,＂. I. Yamada,K. Slavakis,and K. Yamada. IEEE Transactions on Signal Processing . 2002
[5] Adaptive greedy approximations[J] . G. Davis,S. Mallat,M. Avellaneda. &nbspConstructive Approximation . 1997 (1)
[6] 基于加权次梯度投影算法的数字助听器自适应声反馈抑制
王青云
赵力
乔杰
邹采荣
[J]. 信号处理, 2009, (04) : 519 - 525
[7] Iterative Thresholding for Sparse Approximations[J] . Thomas Blumensath,Mike E. Davies. &nbspJournal of Fourier Analysis and Applications . 2008 (5)
[8] Adaptive Parallel Quadratic -Metric Projection Algorithms. Yukawa M,Slavakis K,Yamada I. IEEE Transactions on Audio,Speech and Language Processing . 2007
[9] An Efficient Projection for l1,∞Regularization. Ariadna Quattoni,Xavier Carreras,Michael Collins,Trevor Darrell. Proceedings of the 26th International Conference on Machine Learning . 2009
[10] “SparseLab.”. David Donoho,Victoria Stodden,Yaakov Tsaig. http://sparselab.stanford.edu/ .

← 1 2 →