介绍了一种在压缩感知框架内的简单测量矩阵构造算法(MMCA)。 在压缩感测中,测量矩阵和稀疏字典(基本)之间的较小相干性可以具有更好的信号重建性能。 随机测量矩阵(例如,高斯矩阵)已被广泛使用,因为它们与几乎所有稀疏基数都具有较小的相干性。 但是,通过降低与固定稀疏基的相干性来优化测量矩阵将大大提高CS的性能,这一结论已被许多先前的研究人员很好地证明。 基于以上分析,我们通过迭代采用收缩和奇异值分解(SVD)技术来实现此目的。 最后,优化矩阵和稀疏字典的列之间的相干性可以大大降低,甚至接近韦氏边界。 此外,我们建立了一些实验来测试所提出算法的性能,并与现有技术进行比较。 我们得出的结论是,使用所提出的测量矩阵构建方法,贪婪算法(例如正交匹配追踪)的恢复性能优于传统的随机矩阵算法,Elad算法,Vahid算法和Xu引入的优化矩阵算法。
1