CS重构之CoSaMP

最新推荐文章于 2024-09-07 12:31:30 发布

闪电gogogo

最新推荐文章于 2024-09-07 12:31:30 发布

阅读量2.6k

点赞数 2

CC 4.0 BY-SA版权

分类专栏：压缩感知文章标签：压缩算法重构

本文链接：https://blog.youkuaiyun.com/wwf_lightning/article/details/70162489

本文详细探讨了压缩传感（CS）中的CoSaMP（Compressive Sampling Matching Pursuit）重构算法，阐述了其基本原理、步骤及在信号恢复中的应用。通过对比其他重构方法，展示了CoSaMP的优势和适用场景，为理解和实施CS重构提供了关键洞察。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

 
 压缩采样匹配追踪(CompressiveSampling MP)是D. Needell继ROMP之后提出的又一个具有较大影响力的重构算法。CoSaMP也是对OMP的一种改进，每次迭代选择多个原子，除了原子的选择标准之外，它有一点不同于ROMP： 
 ROMP每次迭代已经选择的原子会一直保留，而CoSaMP每次迭代选择的原子在下次迭代中可能会被抛弃 
 。 

在这之前先读了下参考论文[1]，论文前面还是看得懂一点的，讲了一些压缩感知的基础知识，还聊到了压缩重构方法主要分为三类，但是到了第2部分介绍算法的时候又看不懂了，感觉符号都还没聊清楚就开始讲流程了。佩服看得懂的博主，还说很容易就看懂了。。。希望自己好好努力也能看懂这些外文文献，fighting啦！

那么我先把论文中的流程贴出来，并没有对符号作过多的解释。。。

 
  然后在网上找到了符合论文中符号的代码。 
 

functionSest=cosaomp(Phi,u,K,tol,maxiterations)
Sest = zeros(size(Phi,2),1);
v = u;
t = 1;
numericalprecision=1e-12;
T = [];
while(t<=maxiterations)&&(norm(v)/norm(u)>tol)
  y = abs(Phi'*v);
  [vals,z]=sort(y,'descend');
  Omega = find(y>=vals(2*K)&y>numericalprecision);
  T = union(Omega,T);
  b = pinv(Phi(:,T))*u;
  [vals,z]=sort(abs(b),'descend');
  Kgoodindices = (abs(b)>=vals(K)&abs(b)>numericalprecision);
  T = T(Kgoodindices);
  Sest = zeros(size(Phi,2),1);
  phit = Phi(:,T);
  b = pinv(phit)*u;
  Sest(T)=b;
  v = u - phit*b;
  t = t+1;
end

 
  接下来综合代码我准备强行解释一波论文算法的伪代码流程，哎呀半懂半懂希望以后要全懂全懂。 
 

 
Identification（识别） 
 

最低0.47元/天解锁文章