基于奇异值分解的测量矩阵优化

• 作者: 夏云 张成 欧书琴 沈川 韦穗 韩超
• 来源期刊: 四川大学学报（工程科学版）
• 学科: 工学
• 关键词: 压缩感知 稀疏性 测量矩阵 重建矩阵 奇异值分解
• 年，卷（期）: 2016,（3）
• 所属期刊栏目: 信息工程
• 页码范围: 136-141
• 页数: 6页
• 分类号: TN911.7
• 字数: 2983字
• 语种: 中文
• DOI: 10.15961/j.jsuese.2016.03.018

摘要

针对压缩感知理论中通用的测量矩阵(如随机高斯、伯努利等)不具有最优性能保证的问题,通过引入奇异值分解,提出基于奇异值分解的测量矩阵优化方法.该方法先对压缩感知中一般线性测量模型中的测量矩阵与测量向量进行优化,再利用优化后的测量矩阵与测量向量重建原稀疏信号.经典的随机高斯测量矩阵和伯努利测量矩阵的数值实验结果表明,本文提出的方法可以显著地提高重建成功恢复概率以及对高斯噪声的鲁棒性.该方法适用于一般线性测量系统,成功地实现了测量矩阵和重建矩阵的分离,可在不改变前端测量模型的前提下使重建矩阵接近最优配置.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韦穗	安徽大学计算智能与信号处理教育部重点实验室	144	2169	23.0	43.0
2	张成	安徽大学计算智能与信号处理教育部重点实验室	38	347	7.0	18.0
4	沈川	安徽大学计算智能与信号处理教育部重点实验室	25	77	5.0	7.0
5	韩超	安徽工程大学电气工程学院	29	33	3.0	5.0
8	欧书琴		1	3	1.0	1.0
9	夏云		4	7	2.0	2.0