OMP算法

xjtuwfj

于 2021-03-04 14:34:07 发布

阅读量3.3k

点赞数 4

分类专栏：稀疏文章标签： matlab 算法

本文链接：https://blog.csdn.net/baidu_38963740/article/details/114363496

版权

稀疏专栏收录该内容

4 篇文章 0 订阅

订阅专栏

压缩感知：OMP算法

压缩感知重构要解决的一个问题是事先存在完整数据 $c$ 和 $A = S F$ ，观测到 $y = A c$ ,现要在 $A$ 和 $y$ 已知的情况在求解 $c$ 。其中 $y (M * 1)$ , $S (M * N)$ , $F (N * N)$ , $c (N * 1)$ 。

OMP算法流程
在这里插入图片描述
MATLAB代码

function [ x ] = OMP( y,A,t )
    % y=Ax,现在一直y,A,求x
    % t为稀疏度
    [M,N] = size(A); %传感矩阵A为M*N矩阵
    x = zeros(N,1); %用来存储恢复的x(列向量)
    At = zeros(M,t); %用来存储迭代过程中A被选择的列
    Pos_x = zeros(1,t); %用来存储迭代过程中A被选择的列序号
    r_n = y; %初始化残差为y
    for ii=1:t %迭代t次
        product = A'*r_n;% A各列与残差的内积
        [val,pos] = max(abs(product));%找到最大内积绝对值
        At(:,ii) = A(:,pos);%存储这一列
        Pos_x(ii) = pos;%存储这一列的序号
        A(:,pos) = zeros(M,1);%清零A的这一列，因为它与残差正交
        %y=At(:,1:ii)*x，以下求x的最小二乘解
        x_ls = (At(:,1:ii)'*At(:,1:ii))^(-1)*At(:,1:ii)'*y;%最小二乘解
        %At(:,1:ii)*x_ls是y在At(:,1:ii)列空间上的正交投影
        r_n = y - At(:,1:ii)*x_ls;%更新残差        
    end
    x(Pos_x)=x_ls;%恢复出的x
end