论文部分内容阅读
噪声环境下的稀疏信号重构可以转换为带约束的二次规划问题,通过正则化算法可以有效求解,而正则化参数l却是影响重构质量的重要因素。广义交叉验证(Generalized Cross-Validation,GCV)算法是噪声未知条件下估计l的有效算法,但当信噪比较低时却无法保证l收敛于全局最优,导致重构图像信杂比降低,甚至造成目标丢失。为实现低信噪比环境下稀疏信号的稳健重构,该文提出基于多测量动态聚类(Multi-Measurement Dynamic Clustering,MMDC)的压缩感知(Compr