基于l0范数近似最小化的稀疏信号重构方法

计算机工程与应用 ›› 2015, Vol. 51 ›› Issue (10): 200-204.

基于l0范数近似最小化的稀疏信号重构方法

李颖1，王泽2，王军华1，苗刚1，郑耿乐1

1.第二炮兵工程大学士官学院，山东青州 262500
2.镇江船艇学院，江苏镇江 212003

出版日期:2015-05-15 发布日期:2015-05-15

Sparse signal reconstruction based on l0 norm approximation minimization

LI Ying1, WANG Ze2, WANG Junhua1, MIAO Gang1, ZHENG Gengle1

1.School of Petty Officer, The Second Artillery Engineering University, Qingzhou, Shandong 262500, China
2.Zhenjiang College of Watercraft, Zhenjiang, Jiangsu 212003, China

Online:2015-05-15 Published:2015-05-15

摘要/Abstract

摘要： 针对稀疏信号的重构问题，提出了[l0]范数近似最小化算法。利用反正切函数近似[l0]范数建立相应的非凸优化问题。通过构造快速的不动点迭代格式求解该问题，分析了所提出算法的收敛性能。数值仿真表明，该算法具有重构信号需要测量值少、计算精度高且计算量较小的优点。

关键词: 压缩感知, 稀疏信号重构, 基追踪, 平滑[l0]范数

Abstract: In this paper, a novel method, called [l0] norm Approximation Minimization, is proposed for sparse signal reconstruction. Firstly, Approximating [l0] norm by arctan function, a nonconvex optimization problem is constructed. Secondly this optimization problem is solved by fast fixed point iterative method, and convergence of the proposed algorithm is analyzed. Finally, it is shown from simulation results that fewer measurements are needed and the better accuracy is provided than existing methods, while the low computational cost is required.

Key words: compressed sensing, sparse signal recovery, basis pursuit, smoothed [l0] norm

李颖1，王泽2，王军华1，苗刚1，郑耿乐1. 基于l0范数近似最小化的稀疏信号重构方法[J]. 计算机工程与应用, 2015, 51(10): 200-204.

LI Ying1, WANG Ze2, WANG Junhua1, MIAO Gang1, ZHENG Gengle1. Sparse signal reconstruction based on l0 norm approximation minimization[J]. Computer Engineering and Applications, 2015, 51(10): 200-204.

[1]	张珊珊，赵建华. 基于IALM的穿墙雷达成像算法[J]. 计算机工程与应用, 2021, 57(11): 77-83.
[2]	孙泽宇，吕治国. 大规模MIMO加权正交匹配追踪信道估计算法[J]. 计算机工程与应用, 2020, 56(5): 118-124.
[3]	陈子兆，矫文成. 改进的稀疏深度置信网络[J]. 计算机工程与应用, 2020, 56(2): 62-67.
[4]	万东琴，卿朝进，阳庆瑶，蔡斌，余旺. 叠加特征辅助的1-bit CS音频传输[J]. 计算机工程与应用, 2020, 56(16): 69-74.
[5]	邵然，沈军. 二维逐步正交匹配追踪算法[J]. 计算机工程与应用, 2020, 56(1): 209-215.
[6]	朱瑞金，龚雪娇，唐波. 分布式混合压缩感知无线传感器网络数据收集[J]. 计算机工程与应用, 2019, 55(6): 73-80.
[7]	杨赵琪璘，彭定涛，唐琦，罗孝敏. 基于稀疏优化lp正则化的光滑化拟牛顿算法[J]. 计算机工程与应用, 2019, 55(22): 163-171.
[8]	姬晓辉，孙泽宇，阎奔，李传锋. 基于压缩感知的高阶MIMO系统信道估值算法[J]. 计算机工程与应用, 2019, 55(19): 153-159.
[9]	曾春艳，叶佳翔，王志锋，武明虎. 深度学习框架下压缩感知重建算法综述[J]. 计算机工程与应用, 2019, 55(17): 1-8.
[10]	万东琴，卿朝进，阳庆瑶，蔡斌，余旺. 叠加特征信息辅助的语音传输与重构[J]. 计算机工程与应用, 2019, 55(15): 117-122.
[11]	冉龙才，黄成泉，田文英. 改进BPDN的图像去雨雪应用研究[J]. 计算机工程与应用, 2019, 55(15): 198-203.
[12]	刘玉红，杨丹凤. 光滑[lp]范数压缩感知图像重构优化算法[J]. 计算机工程与应用, 2019, 55(15): 213-218.
[13]	马玉双，刘翠响，郭志涛，王宝珠. 用于CS的广义稀疏度自适应匹配追踪算法[J]. 计算机工程与应用, 2019, 55(13): 207-211.
[14]	沈子钰，汪立新. 步长自适应的测量矩阵迭代优化方法[J]. 计算机工程与应用, 2019, 55(1): 266-270.
[15]	郑成，王国中，范涛，赵海武. 压缩视频感知中量化器的研究与设计[J]. 计算机工程与应用, 2018, 54(9): 172-177.