无网格压缩感知下结合傅里叶变换的FT-ANM算法

作者：李慧启; 李立春; 刘志鹏

来源：信息工程大学学报, 2018, 19(04): 475-479.

• 无网格压缩感知
• 原子范数
• 线谱估计
• Vandermonde分解
• 拓普利兹矩阵

为克服在无网格压缩感知理论中利用原子范数最小化(atomic norm minimization, ANM)算法进行线谱估计时存在的运算复杂度高,估计实时性不强等缺点,提出一种ANM的改进算法,傅里叶-原子范数最小化算法(fourier transform-atomic norm minimization,FT-ANM)。对ANM算法中前期取得的重构信号进行傅里叶变换,粗估计出重构信号的模型阶数,减少对拓普利兹矩阵进行Vandermonde分解时估计参数的数量,提高ANM算法的运算速率,增强线谱估计的实时性。仿真结果显示,在相同信噪比条件下,FT-ANM算法运算速率是传统ANM算法运算的3倍,运算复杂度低,实时性较好。

• 单位
  信息工程大学