一 系统模型
压缩观测y=Φx,其中y为观测所得向量M×1,x为原信号N×1(M<<N)。x一般不是稀疏的,但在某个变换域Ψ是稀疏的,即x=Ψθ,其中θ为K稀疏的,即θ只有K个非零项。此时y=ΦΨθ,令A=ΦΨ,则y=Aθ。
(1) y为观测所得向量,大小为M×1
(2)x为原信号,大小为N×1
(3)θ为K稀疏的,是信号在x在某变换域的稀疏表示
(4)Φ称为观测矩阵、测量矩阵、测量基,大小为M×N
(5)Ψ称为变换矩阵、变换基、稀疏矩阵、稀疏基、正交基字典矩阵,大小为N×N
(6)A称为测度矩阵、传感矩阵、CS信息算子,大小为M×N
上式中,一般有K<<M<<N,后面三个矩阵各个文献的叫法不一,以后我将Φ称为测量矩阵、将Ψ称为稀疏矩阵、将A称为传感矩阵。
二 系统参数
2.1 RIP(有限等距性质 Restricted Isotary Property )
https://blog.csdn.net/jbb0523/article/details/44565647
2.2 RIC ( 有限等距常数 Restricted iIsotary Constant)
https://blog.csdn.net/jbb0523/article/details/44622819
2.3 Spark 常数
https://blog.csdn.net/jbb0523/article/details/44565921
三 恢复算法
1 格点法(On-grid)
1.1 L1恢复
1.1.1 BP
1.1.2 BPDN
1.2 贪婪算法
1.2.1 贪婪追踪
① MP
② OMP
(正交匹配追踪
Orthogonal Matching Pursuit
)
https://blog.csdn.net/jbb0523/article/details/45100351
③ ROMP
1.2.2 阈值算法
① CoSaMP
② IHT
2 非格点法(Off-grid)
2.1 泰勒展开
①OGSBI
2.2 原子范数
②原子范数优化
2.3 ① 加权迭代算法。