科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对传统压缩感知算法的高计算成本问题，从稀疏信号的恢复角度出发，提出一种基于深度展开模型的稀疏成像算法。首先构建复数稀疏重建网络VAMP-Net,在该网络中，复数形式的降采样回波信号被拆分成实部和虚部作为输入，接着代入到基于VAMP算法的迭代块中，最后通过卷积神经模块进行最优非线性稀疏变换，得到恢复的实部和虚部信号，两者进行合并后得到恢复的目标图像。对于所提算法，采用人工合成的数据集在不同目标密集程度、迭代次数和噪声环境下进行仿真实验，并与传统的迭代收缩阈值算法和深度学习重构算法进行比较。再使用不同程度稀疏性的数据进行实测验证。实验结果表明，该算法重构的图像在NMSE、TBR、重构耗时以及内存使用上有更好的表现。
- 单位
