摘要：针对具有结构性噪声干扰的稀疏信号处理问题,该文提出一种基于贝叶斯理论的感知矩阵优化设计方法。结合具有加性干扰的稀疏信号模型,通过对感知矩阵进行能量约束,最小化信号的后验协方差矩阵的迹,实现感知矩阵的优化设计。仿真不同信号稀疏度和重构算法时,感知矩阵优化对信号重构误差和重构时间的影响;分析信号先验信息存在偏差时,感知矩阵优化对重构效果的影响。仿真结果表明,优化后的感知矩阵能够更好地获取稀疏信号中的重要信息,信号重构精度的均方误差减小约15～25 dB,重构时间减少约40%。

摘要：压缩感知理论中降低信号维数的关键问题是构造有效的测量矩阵。在已知稀疏基的情况下,基于ETF(Equiangular Tight Frame)框架的测量矩阵构造方法和稀疏信号重构过程均依赖于感知矩阵。为此,设计了一种基于共轭梯度法的感知矩阵优化方法,该方法简单易行,且所求结果的Gram矩阵与目标Gram矩阵更接近。实验结果表明,此感知矩阵优化方法在理论分析、实际图像应用及算法有效性上均具优势。