摘要：为了从含噪声的测量矢量中重构原始信号,研究了稀疏补分析模型下近似最优子空间追踪信号重构算法.针对直接采用稀疏综合模型下子空间追踪过程非最速梯度下降和信号重构概率不高的缺点,根据稀疏补分析模型下不同类型分析字典的结构特点来设计近似目标优化函数;改进了迭代追踪过程;优化了稀疏补取值方法;提出并实现了基于稀疏补分析模型的近似最优分析子空间追踪算法.仿真实验证明,当稀疏补运算符分别采用随机紧支框架和二维全变分矩阵时,算法的完全重构信号概率均明显高于ASP、AHTP、AIHT、AL1、GAP算法的完全重构信号概率;对于含高斯噪声的输入信号,算法的重构信号综合平均PSNR比相应的ASP、AHTP、AIHT算法分别提高了0.8d B、1.38d B、3.13 d B,但比GAP和AL1算法降低了0.32 d B和0.6d B.算法的完全重构概率与综合重构性能有了明显提高,收敛充分条件得到进一步简化.

关键词：稀疏补分析模型 近似最优 子空间 追踪 

单位：东莞理工学院电子工程学院; 广东东莞523808; 东莞理工学院网络中心; 广东东莞523808; 东莞理工学院计算机学院; 广东东莞523808; 汕头大学电子工程系; 广东汕头515063