基于压缩感知的贪婪迭代重构算法

摘要

分析了当前主要的贪婪迭代算法,对比了匹配追踪(Matching pursuit,MP)、正交匹配追踪(Orthogonalmatching pursuit,OMP)、阶段正交匹配追踪(Stagewise orthogonal matching pursuit,StOMP)、正则正交匹配追踪(Regularized orthogonal matching pursuit,ROMP)、压缩采样匹配追踪(Compressive sampling matching pur-suit,CoSaMP)、子空间追踪(Subspace pursuit,SP)算法差异性,并根据算法选择支撑集机制的不同将其分为回验算法和非回验算法,分别剖析这两类算法的核心思想,对这两类算法的性能进行了分析和仿真比较。以稀疏度和测量次数作为两个主要的衡量指标,对比了不同稀疏度信号和测量次数情况下,两类信号的重构成功概率。结果表明,无论是从稀疏度还是从测量值的角度分析,回验算法比非回验算法重构精确度高,在测量值较少时重构精确度也较高,适应性强。最后指出了不同算法的性能差异和适应性,并对未来算法改进提出了研究方向。