逐步次优迭代硬阈值算法在压缩感知中的应用

简介：
本研究提出了一种基于逐步次优迭代硬阈值技术的新型算法，专门用于解决压缩感知问题。该方法通过智能地选择更新策略来提高信号恢复的质量和效率，在图像处理及无线通讯等领域展现出巨大潜力。 稀疏信号重建问题已受到多个研究社区的广泛关注。可伸缩性重构算法是压缩感知的核心内容，在过去几年里引起了极大的兴趣。本段落首次提出了一种改进原始IHT（迭代阈值）算法的新方法，即正交迭代阈值算法。相较于传统IHT算法，若干仿真结果表明该新方法在重建高斯和零一信号方面表现出更高的有效性。 随后，我们又提出了另一种创新的迭代算法来根据不确定线性测量数据恢复稀疏信号。通过向BIHT（基于回溯的迭代硬阈值）中添加一个原子而非简单的回溯步骤，此修改可以确保减少残差误差。实验表明，在处理高斯和零一稀疏信号时，该新方法相较于正交IHT、BIHT及归一化IHT等算法具有更好的重建性能，并且每次迭代所需的计算量也更少，优于传统的凸优化方法。