压缩感知信号重构学习记录-1

       信号重建问题可以通过求解最小l0范数问题解决，但求解l0范数是个NP问题，需要穷举X中非零值的所有K中排列可能，因而无法直接求解。现在我们主要采用最小l1范数法、贪婪迭代匹配追踪系列算法等。重建算法的关键是如何从压缩感知得到的低维数据中精确地恢复出原始的高维数据，即由M维测量向量重建出长度为N(M<N)的信号X的过程。
        MP算法的基本思想是在每一次的迭代过程中，从过完备原子库里(即感知矩阵)中选择与信号最匹配的原子来进行稀疏逼近并求出余量，然后继续选择出信号余量最为匹配的原子。进过数次迭代，该信号便可以由一些原子线性表示。但是由于信号在已选定原子(感知矩阵的列向量)集合上的投影的非正交性使得每次迭代迭代的结果可能是次最优的，因此为获得较好的收敛效果往往需要经过较多次的迭代次数。