计算机研究与发展 ›› 2018, Vol. 55 ›› Issue (5): 1090-1096.doi: 10.7544/issn1000-1239.2018.20160829
聂栋栋,弓耀玲
Nie Dongdong,Gong Yaoling
摘要: 信号重构算法是压缩感知的关键.基于近似l\-0范数的信号重构选取一个连续函数近似估计l\-0范数,从而将l\-0范数最小化问题转化为平滑函数的优化问题.该算法的关键在于选择合适的平滑函数和优化算法.为了提高压缩感知中稀疏信号恢复的精度,在之前工作的基础上,提出用一个简单的分式函数的和来近似估计l\-0范数.然后通过牛顿迭代算法求解该函数的无约束优化问题的稀疏解,整合了似零范数算法快速收敛和牛顿迭代法精度高的优点.这样就可以在较少的时间内平滑且有效地近似l\-0范数的最小化问题.仿真实验测试了所提算法在不同的压缩比、稀疏度及噪声水平情况下的性能,并与现有的同类算法进行了比较.结果表明:所提算法比现有的同类算法性能更好,重建信号的精度有了较大的提升,这有效地提高了在同等条件下压缩感知信号的恢复质量.
中图分类号: