基于最大后验概率估计的压缩感知算法.pdfVIP

第 m u ­ 问 卷 一 口 第 1 期 Vol. 42 No. 11 计算机科学 一 月 Computer Science Nov 2015 一 基于最大后验概率估计的压缩感知算法 庄燕滨1，2 王尊志1 肖贤建2 张学武3 (河海大学计算机与信息学院 南京 211100)1 (常州工学院计算机信息工程学院 常州 213002)2 (河海大学物联网工程学院 常州 213022)3 摘 要针对压缩感知重构算法计算代价较大的问题，提出了一种用来构建压缩感知稀疏数据重构算法的 MAP 方 法。此方法相对于一般的观测矩阵来说，计算代价较低。 (1-范数使用一个标准的线性规划算法的最小计算代价是 OCN勺，该方法通过使用最大后验方法使计算代价减少到 OCN勺，并通过引入分割比来使算法更好地收敛。实验证 明此方法能够获得较为成功的重构区域。 关键词 压缩感知，代价，后最大化，重构区域 中图法分类号 TP212 文献标识码 A 四)1 10. 1l896/j. issn. 1002-137又 2015.1 1. 057 R优onstruction Algorithm in Compressed Sensing Based on Maximum Posteriori Estimation 2 l 2 3 ZHUANG Yan-bin l. WANG Zun-zhi XIAO Xian-jian ZHANG Xue-wu (College of Computer . Info口nation Engineering ,Hohai University ,Nanjing 211100 ,China) 1 (Sch∞1 of Computer Information . Engineering ,Changzhou Institute of Technology ,Changzhou 213002 ,China)2 (Colle在e of Internet of Things Engineering ,Hohai University ,Changzhou 213022 ,China)3 Abstract This paper proposed a systematic method for constructing a sparse data reconstruction algorithm in com- pressed sensing which owns a relatively low computational cost for general observation matri x. It is known that the cost of fl-norm minimization using a standard linear programming algorithm is OC N). The cost of proposed method can be reduced to OC N) by applying the approach of posterior maximization. By introducing the division ratio ,the algorithm achieves better convergence. Furthermo