[发明专利]一种基于压缩感知的信号重构方法、装置和介质

说明书

本发明实施例公开了一种基于压缩感知的信号重构方法、装置和介质，获取信号的采样向量和传感矩阵；将采样向量作为初始残差值；按照预设重建规则，对初始残差值和传感矩阵进行处理，以得到重构向量；利用正则化规则，对重构向量以及采样向量进行重构，以得到初始重构信号。依据初始重构信号、采样向量以及重构向量，计算出当前的初始重构信号对应的残差值。当残差值大于最小残差值时，将残差值作为初始残差值，并重复上述步骤。当残差值小于或等于最小残差值时，将当前的初始重构信号作为完成重构的目标信号。利用正则化规则替换经典算法中耗时最多的最小二乘算法，并且利用残差值对重构信号的精度进行评估，提升了提高信号重构的效率和准确性。

技术领域

本发明涉及压缩感知技术领域，特别是涉及一种基于压缩感知的信号重构方法、装置和计算机可读存储介质。

背景技术

现代信息技术的迅猛发展，使得人们对信息的需求量越来越大，而传统的信号压缩和重建遵循Nyquist-Shannon采样定理，即采样率必须至少为信号最高频率的两倍，才能保证在重建时不产生失真，这无疑将给信号采样、传输和存储过程带来越来越大的压力。压缩感知理论以信号的稀疏性或可压缩性为前提，将信号的采样和压缩进一步完成，避免了传统采样压缩的资源浪费，利用少量的采样值就能精确地恢复原信号，并且已经得到广泛的应用。

压缩感知的过程，大体可以分为两个部分。第一部分是对稀疏的信号进行采样，通过对稀疏信号的采样可以得到最终的采样向量y，其后续用作重构算法的输入。第二部分是用重构算法对采样后的信号，即采样向量y进行重构，以还原出原始信号。其中信号的采样易于实现，相比之下，重构算法的计算过程更为复杂和耗时，而且在压缩感知过程中其承担着更核心的任务。

正交匹配追踪(Orthogonal Matching Pursuit，OMP)算法是目前压缩感知常用的重构算法。OMP算法需要通过人工设置迭代次数，每次迭代时依赖于最小二乘的方式实现对采样信号的重构。但是基于OMP算法的信号重构方式在每次迭代中仅选取一个原子来更新原子集合，这样必然会付出巨大的重建时间代价。OMP算法需要已知信号的稀疏度K，迭代次数的取值由K决定，而在实际中稀疏度属于未知信息，基于此背景，在压缩感知的实际应用中K很多时候为一个估计值，因此会对最终的重构结果造成一定的误差。

可见，如何提高信号重构的效率和准确性，是本领域技术人员需要解决的问题。

发明内容

本发明实施例的目的是提供一种基于压缩感知的信号重构方法、装置和计算机可读存储介质，可以提高信号重构的效率和准确性。

为解决上述技术问题，本发明实施例提供一种基于压缩感知的信号重构方法，包括：

获取信号的采样向量和传感矩阵；其中，所述传感矩阵的维度与所述信号的维度相同；

将所述采样向量作为初始残差值；按照预设重建规则，对所述初始残差值和所述传感矩阵进行处理，以得到重构向量；

利用正则化规则，对所述重构向量以及所述采样向量进行重构，以得到初始重构信号；

依据所述初始重构信号、所述采样向量以及所述重构向量，计算所述初始重构信号对应的残差值；

判断所述初始重构信号的残差值是否小于或等于预设的最小残差值；

当所述残差值大于预设的最小残差值时，则将所述残差值作为初始残差值，并返回所述按照预设重建规则，对所述初始残差值和所述传感矩阵进行处理，以得到重构向量的步骤；

当所述残差值小于或等于预设的最小残差值时，则将所述初始重构信号作为完成重构的目标信号。

可选地，所述按照预设重建规则，对所述初始残差值和所述传感矩阵进行处理，以得到重构向量包括：

选取所述初始残差值与所述传感矩阵的乘积中的最大贡献数据列作为当前原子向量；