[发明专利]一种基于IPNN和压缩感知的稀疏信号重构方法

权利要求书

1.一种基于IPNN和压缩感知的稀疏信号重构方法，其特征在于，所述基于IPNN和压缩感知的稀疏信号重构方法包括：

根据Lagrange乘子法，将L_q(0q≤1)极小化模型，将模型等价转换；

模型求出最优解，求解模型的最优解等价于求解变分不等式；

针对所转化得到的变分不等式，提出惯性投影神经网络；

根据以上所给出的惯性投影神经网络迭代更新方程。

2.如权利要求1所述的基于IPNN和压缩感知的稀疏信号重构方法，其特征在于，所述基于IPNN和压缩感知的稀疏信号重构方法首先，根据Lagrange乘子法，将L_q(0q≤1)极小化模型：

转化为如下的无约束规划问题：

其中λ＞0为正则化参数；

其次，(2)是一个非凸规划问题，先将其转化为一种更易求解的形式，设对令：

可将模型(2)等价转换为如下形式：

其中，

3.如权利要求2所述基于IPNN和压缩感知的稀疏信号重构方法，其特征在于，所述惯性投影神经网络建立的具体过程为：设y^*∈Ω为模型(4)的最优解，对任意t∈[0，1]，y∈Ω易知y^*+t(y-y^*)∈Ω，f(y)是可微的，并且

其中令g(t)＝f(y^*+t(y-y^*))则g()在t∈[0，1]可微，并且g(t)≥g(0)＝f(y^*)，所以

于是求解模型(4)的最优解等价于求解变分不等式(6)。

4.如权利要求3所述的基于IPNN和压缩感知的稀疏信号重构方法，其特征在于，所述求解求解变分不等式(6)的惯性投影神经网络：

其中常数τ＞0，P_Ω：为投影算子，即

另外，值得指出的是，若y^*∈Ω为(9)的解当且仅当：

5.如权利要求4所述的基于IPNN和压缩感知的稀疏信号重构方法，其特征在于，所述神经网络(7)是一个具有两层结构的神经网络，表示惯性项，加速模型的收敛网，常数τ为惯性尺度参数，影响局部最优解的搜索。

6.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行权利要求1～4任意一项所述的基于IPNN和压缩感知的稀疏信号重构方法。

7.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行权利要求1～4任意一项所述的基于IPNN和压缩感知的稀疏信号重构方法。

8.一种信息数据处理终端，其特征在于，所述信息数据处理终端用于实现权利要求1～5任意一项所述的基于IPNN和压缩感知的稀疏信号重构方法。

9.一种信号采样方法，其特征在于，所述信号采样方法使用权利要求1～5任意一项所述的基于IPNN和压缩感知的稀疏信号重构方法。

10.一种信号传输与储存方法，其特征在于，所述信号传输与储存方法使用权利要求1～5任意一项所述的基于IPNN和压缩感知的稀疏信号重构方法。