改进的压缩感知算法MMP-DF

简介：
简介：MMP-DF是一种改进的压缩感知算法，通过优化测量矩阵和重构方法，提高了信号恢复精度与效率，在多种应用中表现出色。 MMP算法提出的文献是《Multipath Matching Pursuit》，发表在IEEE TRANSACTIONS ON INFORMATION THEORY上。该文章的作者同时也是gOMP算法的作者，并且现在复旦大学任教。 主要贡献在于，文章将传统贪婪算法中的原子选择问题建模为组合树搜索的问题，提供了一种新的解决思路。对于传统的贪婪算法改进而言，不外乎以下几个方面：调整原子的选择策略、调整原子相似性的准则等。其中，在调整原子选择策略上又可以分为以下几种情况：每次迭代中只选择单个原子（如OMP），或者在每次迭代中同时选择多个原子（例如CoSaMP算法会选择K个，SP算法则会选择2K个，gOMP算法会选取S个）。此外，还可以通过设置阈值来进行灵活的原子选择，并且该阈值更接近于观测矩阵和残差内积的变化规律。比如StOMP、SWOMP以及TOMP等算法。 在原子的选择过程中，许多单一执行路径的算法可以借鉴CoSaMP中的回溯思想来进一步提高重构精度。对于有步长设置的情况而言，在步长大小上如何设定（是固定还是变化），如果需要变化的话又应该怎样改变等问题，目前仍有学者进行研究。 以上提到的各种改进方法和策略都面临一个共同的问题，那就是只有一方面的考虑或优化。