基于两次分段弱选择的压缩感知子空间追踪算法

压缩感知是一种新的信号采样和数据压缩方式,子空间追踪算法在压缩感知重构算法中兼具较高的效率和精度,但是它需要将信号的稀疏度作为先验信息,如果稀疏度估计不够准确会降低算法重构效果。针对这个问题,提出一种基于两次分段弱选择的子空间追踪算法,它不需要预先知道信号的稀疏度,第一次弱选择自适应地选择初始原子候选集,第二次弱选择自适应地从当前原子支撑集中剔除之前可能选择的错误原子,最后通过回溯法从当前原子候选集中选择多个相关原子加入原子支撑集。仿真分析表明,该算法可以在稀疏度未知的情况下实现一维随机信号和二维图像信号的精确重构,且具有较高的稳定性;与OMP算法、SWOMP算法、BAOMP算法、SAMP算法