一种基于KSVD-ETF的测量矩阵优化方法

：压缩感知将数据的采样和压缩同时处理，仅需少量测量就能重建信号。测量矩阵直接影响着信号适应的稀疏度范围和重建效果。为了减小测量矩阵与稀疏变换矩阵的互相干性，提出一种基于KSVD-ETF 的测量矩阵和稀疏表达字典联合优化的方法，在对测量矩阵进行ETF 优化的同时利用KSVD 方法更新优化表达字典，实验结果中利用该方法优化矩阵所得重建信号PSNR 有所提高，表明优化测量矩阵的方法在重建效果方面有一定的优势。

压缩感知是信号处理领域中的一个新颖理论[1]， 它的核心步骤是在数据采样的同时对数据压缩，充分 利用了信号的稀疏性或者可压缩性，为突破传统的信号处理方法提供了新的方向。压缩感知理论指出，只要信号在某个变换域是稀疏的或者是可压缩的，那么 OPEN ACCESS 15