压缩感知相关知识笔记

压缩感知相关知识笔记

1.稀疏基：某种正交变换的变换矩阵列向量组成的基。
2.归一化：归一化是将样本的特征值转换到同一量纲下把数据映射到[0,1]或者[-1, 1]区间内。
3.离散傅里叶变换：通过它把信号从时间域变换到频率域，进而研究信号的频谱结构和变化规律。

4.离散余弦变换：离散余弦变换相当于一个长度大概是它两倍的离散傅里叶变换，这个离散傅里叶变换是对一个实偶函数进行的（因为一个实偶函数的傅里叶变换仍然是一个实偶函数），在有些变形里面需要将输入或者输出的位置移动半个单位(DCT有8种标准类型，其中4种是常见的)。是展开成仅含有余弦项的傅里叶级数。
5.OMP算法：正交匹配追踪(OMP)算法是一种常用的贪婪追踪 算法，它的基本思想是：采用贪婪迭代的方法来达到 原子选择和残差更新的目的，在每次迭代中对已选原 子集合进行正交化处理，并计算求得观测矩阵Φ 与当 前残差的相关性，找出最相关的原子用最小二乘法进 行信号的稀疏逼近，求出残差，再重复之前的操作， 完成 K 次迭代， 其中迭代的次数就为信号的稀疏度 K。 OMP 算法能够以极高的概率重构原始信号， 但该算法 实现的前提条件是所需信号的稀疏度必须是已知的， 若能够精准地确定信号的稀疏度，则采用 OMP 算法 重构原始信号是非常快速和有效的， 而在实际情况中， 信号经压缩传输后其稀疏度一般都是无法知晓的，尤 其对于语音信号而言，经过分帧处理后的语音，其每 一帧的稀疏度都是不一样的，因此，语音信号的稀疏 度就更无法确定。
6.SAMP算法：SAMP 算法是 OMP 算法的一种改进算法，它通 过设置 1 个初始步长 S，在程序反复迭代的过程中更 新 S，找出最优原子，实现信号的稀疏估计，因此， 该算法具有重建盲稀疏信号的优点。然而，该算法仍 然存在一些问题，首先由于该算法迭代步骤增加，程 序运行时需要花费大量的时间；其次，该算法在迭代过程中，过分依赖初始步长，若初始步长估计错误可 导致程序运行时间过长；再次，该算法的迭代终止条 件是当前残差小于设定阈值，由于不能保证每次的残 差都会小于上一次的残差，因此，这样的终止条件极 容易使信号在重构时产生过匹配和欠匹配的现象，从 而降低了信号的重构精度和重构效率。