[發(fā)明專利]一種基于最小相關(guān)性測量矩陣的壓縮感知方法

有效

• 申請?zhí)枺?/td>: 201810078771.0
• 申請日: 2018-01-23
• 公開（公告）號: CN108233943B
• 公開（公告）日: 2020-06-19
• 發(fā)明（設(shè)計）人: 初寧;寧岳;唐川荃;余天義;吳大轉(zhuǎn)
• 申請（專利權(quán)）人: 浙江大學
• 主分類號: H03M7/30
• 分類號: H03M7/30
• 代理公司: 杭州天勤知識產(chǎn)權(quán)代理有限公司 33224
• 代理人: 胡紅娟

1.一種基于最小相關(guān)性測量矩陣的壓縮感知方法，其特征在于，包括以下步驟：

步驟1，獲取待處理的原始信號，設(shè)定總觀測次數(shù)K；

步驟2，根據(jù)設(shè)定的總觀測次數(shù)K，通過算法程序產(chǎn)生M1個測量矩陣，其中0.01KM10.06K；

步驟3，通過對M1個測量矩陣線性組合，生成M2個測量矩陣，其中，1.2KM23K；

步驟4，從所有測量矩陣中篩選出K個不相關(guān)性最大的測量矩陣；具體步驟為：

步驟4-1，記篩選之前的所有測量矩陣為Φ1∈R^(M1+M2)×N，計算其相關(guān)系數(shù)矩陣為：

corr_mask＝corrcoef(Φ1′)

其中，corr_mask為相關(guān)系數(shù)矩陣，corrcoef為Matlab中求相關(guān)系數(shù)的函數(shù)，Φ1′為Φ1的轉(zhuǎn)置矩陣；

步驟4-2，將相關(guān)系數(shù)矩陣主對角線及其以下的元素置-1；

步驟4-3，選出該相關(guān)系數(shù)矩陣所有元素的最大值并記錄下此值的位置，該位置對應(yīng)兩個測量矩陣，記錄其中的一個后將此位置賦值-1；

步驟4-4，重復(fù)步驟4-3，直到記錄的測量矩陣的數(shù)目達M1+M2-K；

步驟4-5，剔除上述記錄的矩陣，得到實際所需測量矩陣為Φ∈R^K×N；

步驟5，對K個不相關(guān)性最大的測量矩陣進行壓縮感知處理，得到觀測信號；

步驟6，運用信號的重構(gòu)算法，通過觀測信號和K個不相關(guān)性最大的測量矩陣，重構(gòu)出原始信號。

2.根據(jù)權(quán)利要求1所述的基于最小相關(guān)性測量矩陣的壓縮感知方法，其特征在于，步驟2中，所述的M1個測量矩陣的維度為M1×N，其中，N為每一個測量矩陣的像素數(shù)目。

3.根據(jù)權(quán)利要求1所述的基于最小相關(guān)性測量矩陣的壓縮感知方法，其特征在于，步驟3中，所述的M2個測量矩陣的維度為M2×N，其中，N為每一個測量矩陣的像素數(shù)目。

4.根據(jù)權(quán)利要求1所述的基于最小相關(guān)性測量矩陣的壓縮感知方法，其特征在于，步驟4中，所述的K個不相關(guān)性最大的測量矩陣的維度為K×N，其中，N為每一個測量矩陣的像素數(shù)目。

5.根據(jù)權(quán)利要求1所述的基于最小相關(guān)性測量矩陣的壓縮感知方法，其特征在于，步驟5中，所述的壓縮感知處理，公式為：

y＝Φs

其中：s∈R^N，是N×1維原始信號，Φ∈R^K×N，是K×N維測量矩陣，y∈R^K是K×1維的觀測值。