浅谈压缩感知(二十一):压缩感知重构算法之正交匹配追踪(OMP)
主要内容:
- OMP的算法流程
- OMP的MATLAB实现
- 一维信号的实验与结果
- 测量数M与重构成功概率关系的实验与结果
- 稀疏度K与重构成功概率关系的实验与结果
一、OMP的算法流程
二、OMP的MATLAB实现(CS_OMP.m)
function [ theta ] = CS_OMP( y,A,iter )
% CS_OMP
% y = Phi * x
% x = Psi * theta
% y = Phi * Psi * theta
% 令 A = Phi*Psi, 则y=A*theta
% 现在已知y和A,求theta
% iter = 迭代次数
[m,n] = size(y);
if m<n
y = y'; %y should be a column vector
end
[M,N] = size(A); %传感矩阵A为M*N矩阵
theta = zeros(N,); %用来存储恢复的theta(列向量)
At = zeros(M,iter); %用来迭代过程中存储A被选择的列
pos_num = zeros(,iter); %用来迭代过程中存储A被选择的列序号
res = y; %初始化残差(residual)为y
for ii=:iter %迭代t次,t为输入参数
product = A'*res; %传感矩阵A各列与残差的内积
[val,pos] = max(abs(product)); %找到最大内积绝对值,即与残差最相关的列
At(:,ii) = A(:,pos); %存储这一列
pos_num(ii) = pos; %存储这一列的序号
A(:,pos) = zeros(M,); %清零A的这一列,其实此行可以不要,因为它与残差正交
% y=At(:,:ii)*theta,以下求theta的最小二乘解(Least Square)
theta_ls = (At(:,:ii)'*At(:,1:ii))^(-1)*At(:,1:ii)'*y;%最小二乘解
% At(:,:ii)*theta_ls是y在At(:,:ii)列空间上的正交投影
res = y - At(:,:ii)*theta_ls; %更新残差
end
theta(pos_num)=theta_ls;% 恢复出的theta
end
三、一维信号的实验与结果(CS_Reconstuction_Test.m)
%压缩感知重构算法OMP测试
%以一维信号为例
clear all;close all;clc;
M = ;%观测值个数
N = ;%信号x的长度
K = ;%信号x的稀疏度
Index_K = randperm(N);
x = zeros(N,);
x(Index_K(:K)) = *randn(K,);%x为K稀疏的,且位置是随机的
Psi = eye(N);%x本身是稀疏的,定义稀疏矩阵为单位阵,x=Psi*theta
Phi = randn(M,N);%测量矩阵为高斯矩阵
A = Phi * Psi;%传感矩阵
y = Phi * x;%得到观测向量y
%% 恢复重构信号x
tic
theta = CS_OMP(y,A,K);
x_r = Psi * theta;% x=Psi * theta
toc
%% 绘图
figure;
plot(x_r,'k.-');%绘出x的恢复信号
hold on;
plot(x,'r');%绘出原信号x
hold off;
legend('Recovery','Original')
fprintf('\n恢复残差:');
norm(x_r-x)%恢复残差
四、测量数M与重构成功概率关系的实验与结果(CS_Reconstuction_MtoPercentage.m)
% 压缩感知重构算法测试CS_Reconstuction_MtoPercentage.m
% 绘制参考文献中的Fig.
% 参考文献:Joel A. Tropp and Anna C. Gilbert
% Signal Recovery From Random Measurements Via Orthogonal Matching
% Pursuit,IEEE TRANSACTIONS ON INFORMATION THEORY, VOL. , NO. ,
% DECEMBER . clear all;close all;clc; %% 参数配置初始化
CNT = ; %对于每组(K,M,N),重复迭代次数
N = ; %信号x的长度
Psi = eye(N); %x本身是稀疏的,定义稀疏矩阵为单位阵x=Psi*theta
K_set = [,,,,]; %信号x的稀疏度集合
Percentage = zeros(length(K_set),N); %存储恢复成功概率 %% 主循环,遍历每组(K,M,N)
tic
for kk = :length(K_set)
K = K_set(kk); %本次稀疏度
M_set = K::N; %M没必要全部遍历,每隔5测试一个就可以了
PercentageK = zeros(,length(M_set)); %存储此稀疏度K下不同M的恢复成功概率
for mm = :length(M_set)
M = M_set(mm); %本次观测值个数
P = ;
for cnt = :CNT %每个观测值个数均运行CNT次
Index_K = randperm(N);
x = zeros(N,);
x(Index_K(:K)) = *randn(K,); %x为K稀疏的,且位置是随机的
Phi = randn(M,N); %测量矩阵为高斯矩阵
A = Phi * Psi; %传感矩阵
y = Phi * x; %得到观测向量y
theta = CS_OMP(y,A,K); %恢复重构信号theta
x_r = Psi * theta; % x=Psi * theta
if norm(x_r-x)<1e- %如果残差小于1e-6则认为恢复成功
P = P + ;
end
end
PercentageK(mm) = P/CNT*; %计算恢复概率
end
Percentage(kk,:length(M_set)) = PercentageK;
end
toc
save MtoPercentage1000 %运行一次不容易,把变量全部存储下来 %% 绘图
S = ['-ks';'-ko';'-kd';'-kv';'-k*'];
figure;
for kk = :length(K_set)
K = K_set(kk);
M_set = K::N;
L_Mset = length(M_set);
plot(M_set,Percentage(kk,:L_Mset),S(kk,:));%绘出x的恢复信号
hold on;
end
hold off;
xlim([ ]);
legend('K=4','K=12','K=20','K=28','K=36');
xlabel('Number of measurements(M)');
ylabel('Percentage recovered');
title('Percentage of input signals recovered correctly(N=256)(Gaussian)');
五、稀疏度K与重构成功概率关系的实验与结果(CS_Reconstuction_KtoPercentage.m)
% 压缩感知重构算法测试CS_Reconstuction_KtoPercentage.m
% 绘制参考文献中的Fig.
% 参考文献:Joel A. Tropp and Anna C. Gilbert
% Signal Recovery From Random Measurements Via Orthogonal Matching
% Pursuit,IEEE TRANSACTIONS ON INFORMATION THEORY, VOL. , NO. ,
% DECEMBER .
%
clear all;close all;clc; %% 参数配置初始化
CNT = ; %对于每组(K,M,N),重复迭代次数
N = ; %信号x的长度
Psi = eye(N); %x本身是稀疏的,定义稀疏矩阵为单位阵x=Psi*theta
M_set = [,,,,]; %测量值集合
Percentage = zeros(length(M_set),N); %存储恢复成功概率 %% 主循环,遍历每组(K,M,N)
tic
for mm = :length(M_set)
M = M_set(mm); %本次测量值个数
K_set = ::ceil(M/); %信号x的稀疏度K没必要全部遍历,每隔5测试一个就可以了
PercentageM = zeros(,length(K_set)); %存储此测量值M下不同K的恢复成功概率
for kk = :length(K_set)
K = K_set(kk); %本次信号x的稀疏度K
P = ;
for cnt = :CNT %每个观测值个数均运行CNT次
Index_K = randperm(N);
x = zeros(N,);
x(Index_K(:K)) = *randn(K,); %x为K稀疏的,且位置是随机的
Phi = randn(M,N); %测量矩阵为高斯矩阵
A = Phi * Psi; %传感矩阵
y = Phi * x; %得到观测向量y
theta = CS_OMP(y,A,K); %恢复重构信号theta
x_r = Psi * theta; % x=Psi * theta
if norm(x_r-x)<1e- %如果残差小于1e-6则认为恢复成功
P = P + ;
end
end
PercentageM(kk) = P/CNT*; %计算恢复概率
end
Percentage(mm,:length(K_set)) = PercentageM;
end
toc
save KtoPercentage1000test %运行一次不容易,把变量全部存储下来 %% 绘图
S = ['-ks';'-ko';'-kd';'-kv';'-k*'];
figure;
for mm = :length(M_set)
M = M_set(mm);
K_set = ::ceil(M/);
L_Kset = length(K_set);
plot(K_set,Percentage(mm,:L_Kset),S(mm,:));%绘出x的恢复信号
hold on;
end
hold off;
xlim([ ]);
legend('M=52','M=100','M=148','M=196','M=244');
xlabel('Sparsity level(K)');
ylabel('Percentage recovered');
title('Percentage of input signals recovered correctly(N=256)(Gaussian)');
六、参考文章
http://blog.csdn.net/jbb0523/article/details/45268141
更多OMP请参考:浅谈压缩感知(九):正交匹配追踪算法OMP
浅谈压缩感知(二十一):压缩感知重构算法之正交匹配追踪(OMP)的更多相关文章
- 浅谈压缩感知(二十八):压缩感知重构算法之广义正交匹配追踪(gOMP)
主要内容: gOMP的算法流程 gOMP的MATLAB实现 一维信号的实验与结果 稀疏度K与重构成功概率关系的实验与结果 一.gOMP的算法流程 广义正交匹配追踪(Generalized OMP, g ...
- 浅谈压缩感知(二十六):压缩感知重构算法之分段弱正交匹配追踪(SWOMP)
主要内容: SWOMP的算法流程 SWOMP的MATLAB实现 一维信号的实验与结果 门限参数a.测量数M与重构成功概率关系的实验与结果 SWOMP与StOMP性能比较 一.SWOMP的算法流程 分段 ...
- 浅谈压缩感知(二十五):压缩感知重构算法之分段正交匹配追踪(StOMP)
主要内容: StOMP的算法流程 StOMP的MATLAB实现 一维信号的实验与结果 门限参数Ts.测量数M与重构成功概率关系的实验与结果 一.StOMP的算法流程 分段正交匹配追踪(Stagewis ...
- 浅谈压缩感知(二十二):压缩感知重构算法之正则化正交匹配追踪(ROMP)
主要内容: ROMP的算法流程 ROMP的MATLAB实现 一维信号的实验与结果 测量数M与重构成功概率关系的实验与结果 一.ROMP的算法流程 正则化正交匹配追踪ROMP算法流程与OMP的最大不同之 ...
- 浅谈压缩感知(九):正交匹配追踪算法OMP
主要内容: OMP算法介绍 OMP的MATLAB实现 OMP中的数学知识 一.OMP算法介绍 来源:http://blog.csdn.net/scucj/article/details/7467955 ...
- [转]压缩感知重构算法之分段正交匹配追踪(StOMP)
分段正交匹配追踪(StagewiseOMP)或者翻译为逐步正交匹配追踪,它是OMP另一种改进算法,每次迭代可以选择多个原子.此算法的输入参数中没有信号稀疏度K,因此相比于ROMP及CoSaMP有独到的 ...
- 浅谈Kotlin(二):基本类型、基本语法、代码风格
浅谈Kotlin(一):简介及Android Studio中配置 浅谈Kotlin(二):基本类型.基本语法.代码风格 浅谈Kotlin(三):类 浅谈Kotlin(四):控制流 通过上面的文章,在A ...
- 浅谈Java代理二:Cglib动态代理-MethodInterceptor
浅谈Java代理二:Cglib动态代理-MethodInterceptor CGLib动态代理特点: 使用CGLib实现动态代理,完全不受代理类必须实现接口的限制,而且CGLib底层采用ASM字节码生 ...
- 浅谈Excel开发:十一 针对64位Excel的插件的开发和部署
自Office 2010版本开始有了32位和64位之分,对Excel来说,32位的Excel和64位的Excel在性能上的主要区别是64位的Excel能够处理2G及2G以上的大数据集. 随着64位操作 ...
随机推荐
- ural1989 单点更新+字符串hash
正解是双哈希,不过一次哈希也能解决.. 然后某个数字就对应一个字符串,虽然有些不同串对应同一个数字,但是概率非常小,可以忽略不计.从左到右.从右到左进行两次hash,如果是回文串,那么对应的整数必定存 ...
- python 全栈开发,Day43(python全栈11期月考题)
python全栈11期月考题 1.常用字符串格式化有哪些?并说明他们的区别 2.请手写一个单例模式(面试题) 3.利用 python 打印前一天的本地时间,格式为‘2018-01-30’(面试题) 4 ...
- [转] 基于NodeJS的前后端分离的思考与实践(五)多终端适配
前言 近年来各站点基于 Web 的多终端适配进行得如火如荼,行业间也发展出依赖各种技术的解决方案.有如基于浏览器原生 CSS3 Media Query 的响应式设计.基于云端智能重排的「云适配」方案等 ...
- POJ 3190 Stall Reservations【贪心】
POJ 3190 题意: 一些奶牛要在指定的时间内挤牛奶,而一个机器只能同时对一个奶牛工作.给你每头奶牛的指定时间的区间(闭区间),问你最小需要多少机器.思路:先按奶牛要求的时间起始点进行从小到大排序 ...
- 练习题|网络编程-socket开发
1.什么是C/S架构? C指的是client(客户端软件),S指的是Server(服务端软件),C/S架构的软件,实现服务端软件与客户端软件基于网络通信. 2.互联网协议是什么?分别介绍五层协议中每一 ...
- Redis数据结构之字符串
学习阶段分成两个部分,一个是redis客户端,一个是java客户端操作 一:在redis客户端操作 1.先删除里面的几个key 2.set与get与getset 3.数值的增减 值递增1,或者减一 如 ...
- hdu 5407【LCM性质】+【逆元】(结论题)
<题目链接> <转载于 >>> > Problem Description CRB has N different candies. He is going ...
- jooq实践
用法 sql语句 SELECT AUTHOR.FIRST_NAME, AUTHOR.LAST_NAME, COUNT(*) FROM AUTHOR JOIN BOOK ON AUTHOR.ID = B ...
- cocoa组件化开发
[转载:http://www.cocoachina.com/ios/20171120/21234.html](http://www.cocoachina.com/ios/20171120/21234. ...
- 洛谷.3224.[HNOI2012]永无乡(Splay启发式合并)
题目链接 查找排名为k的数用平衡树 合并时用启发式合并,把size小的树上的所有节点插入到size大的树中,每个节点最多需要O(logn)时间 并查集维护连通关系即可 O(nlogn*insert t ...