一种基于CGLS和LSQR的联合优化的匹配追踪算法

• 作者: 周骏 左俊森 廖剑伟 熊海灵 陈善雄
• 来源期刊: 自动化学报
• 关键词: 压缩感知 匹配追踪 稀疏恢复 噪声
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 论文与报告
• 页码范围: 1293-1303
• 页数: 11页
• 字数: 8418字
• 语种: 中文
• DOI: 10.16383/j.aas.2018.c160569

摘要

在压缩感知理论中,设计好的稀疏重构算法是一个比较重要,同时也是一个具有挑战性的问题.稀疏重构的基本目标是用较少的数据样本,通过解一个优化问题完成信号或者图像重构.关于稀疏重构过程,一个重要的研究方向是在数据受噪声干扰的情况下,如何高效快速地重建原信号.本文提出了基于共轭梯度最小二乘法(Conjugate gradient least squares,CGLS)和最小二乘QR分解(Least squares QR,LSQR)的联合优化的匹配追踪算法.该算法采用Alpha散度来测量CGLS和LSQR之间的离散度(差异度),并通过离散度来选择最优的解序列.实验分析表明基于CGLS和LSQR的联合优化的匹配追踪算法在压缩采样的信号受噪声干扰情况下具有较好的恢复能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	廖剑伟	西南大学计算机与信息科学学院	9	136	4.0	9.0
2	熊海灵	西南大学计算机与信息科学学院	30	277	9.0	16.0
3	周骏	西南大学计算机与信息科学学院	5	68	4.0	5.0
4	陈善雄	西南大学计算机与信息科学学院	21	91	5.0	9.0
5	左俊森	西南大学计算机与信息科学学院	1	0	0.0	0.0