An EM-based Approach for Compressed Sensing Using Dynamic Dictionaries

Abstract

在现有压缩感知(CS)理论中，重构信号需要预设其稀疏表示词典。对于以参数化模型表示的信号，只能预知该词典为某种形式的参数化词典，参数的具体取值难以确定。若将参数设定为取值空间的均匀离散格点，预设词典与真实词典之间的失配将使传统CS重构方法的性能严重恶化。为解决这一问题，该文提出一种基于动态词典的CS重构方法。通过迭代地优化词典参数，该方法在信号重构过程中对词典进行动态调整。为同时实现稀疏恢复与词典调整，该方法利用变分期望-最大化(EM)算法交替执行信号系数估计与词典参数优化。实验结果表明所提方法是有效的。