基于奇异值分解的压缩感知定位算法-中南大学学报.pdfVIP

第 45 卷第 5 期 中南大学学报(自然科学版)  Vol.45  No.5  2014 年 5 月  Journal of Central South University (Science and Technology)  May2014  基于奇异值分解的压缩感知定位算法 李一兵，黄辉，叶方，孙志国  (哈尔滨工程大学 信息与通信工程学院，黑龙江 哈尔滨，150001)  摘要：为了使观测字典满足约束等距性条件，保证算法的定位精度，提出一种基于奇异值分解的压缩感知定位算 法。新算法首先将感知区域网格化，把定位问题转化为压缩感知问题，然后利用奇异值分解原理对观测字典进行 分解，得到的新的观测字典有效地满足了约束等距性条件，且对观测值的预处理过程不影响原信号的稀疏性，从 而有效地保证算法的重建性能，提升定位精度。仿真实验结果表明：相比于基于 Orth 的稀疏 目标定位算法，基于  SVD 的压缩感知定位算法的定位性能更优，抗噪性、适应性更强，且算法复杂度低。 关键词：目标定位；压缩感知；约束等距性条件；稀疏性；奇异值分解 中图分类号：TP393  文献标志码：A  文章编号：1672−7207(2014)05−1516−06  Target localization via compressed sensing based on SVD  LI Yibing, HUANG Hui, YE Fang, SUN Zhiguo  (College of Information and Communication Engineering, Harbin Engineering University, Harbin 150001, China)  Abstract: To ensure localization accuracy, a novel target localization algorithm via compressed sensing based on singular  value decomposition (SVD) was proposed to make the measurement matrix satisfy the isometry property. By using  gridding method for  sensing  area, the new algorithm converts target localization to compressive sensing issue, the  measurement matrix obtained can effectively satisfy the restricted isometry property, and the preprocessing does not  change the sparsity of the original signal, which effectively ensures the reconstruction performance and improves the  localization accuracy. The experimental results show that compared with the localization algorithm of sparse targets  based on Orth, the new target localization algorithm via compressed sensing based on SVD which is insensitive to noise  has a much better performance and lower computation complexity.