MP、OMP与施密特正交化(转载)
浅谈压缩感知(十九):MP、OMP与施密特正交化
</h1><div class="clear"></div><div class="postBody">
关于MP、OMP的相关算法与收敛证明,可以参考:http://www.cnblogs.com/AndyJee/p/5047174.html,这里仅简单陈述算法流程及二者的不同之处。
主要内容:
- MP的算法流程及其MATLAB实现
- OMP的算法流程以及MATLAB实现
- MP与OMP的区别
- 施密特正交化与OMP的关系
一、MP(匹配追踪)的算法流程:
二、MP的MATLAB实现:
% MP:匹配追踪算法 % dictionary: 超完备字典 % x: 待表示信号 % M = 4; N = 10; % Phi = randn(M,N); % 字典 % for nn = 1:N % Phi(:,nn) = Phi(:,nn)/norm(Phi(:,nn)); % end % b = randn(M,1); % 信号 function x = MP(dictionary,x,iter) [M,N] = size(dictionary); residual = zeros(M,iter); %残差矩阵,保存每次迭代后的残差 residual(:,1) = x; %初始化残差为x L = size(residual,2); %得到残差矩阵的列 pos_num = zeros(1,L); %用来保存每次选择的列序号 resi_norm = zeros(1,L); %用来保存每次迭代后的残差的2范数 resi_norm(1) = norm(x); %因为前面已初始化残差为x iter_out = 1e-3; iter_count = 0;
for mm = 1:iter
%迭代退出条件
if resi_norm(mm) < iter_out
break;
end
%求出dictionary每列与上次残差的内积
scalarproducts = dictionary’residual(:,mm);
%找到内积中最大的列及其内积值
[val,pos] = max(abs(scalarproducts));
%更新残差
residual(:,mm+1) = residual(:,mm) - scalarproducts(pos)dictionary(:,pos);
%计算残差的2范数(平方和再开根号)
resi_norm(mm+1) = norm(residual(:,mm+1));
%保存选择的列序号
pos_num(mm) = pos;
iter_count = iter_count + 1;
end
%绘出残差的2范数曲线
resi_norm = resi_norm(1:iter_count+1);
plot(resi_norm);grid;
%显示选择的字典原子
pos_num = pos_num(1:iter_count);
disp(pos_num);
%稀疏系数(稀疏表示)
dict = dictionary(:,pos_num);
y_vec = (dict’*dict)^(-1)dict’x;
disp(y_vec);
figure;plot(y_vec);
三、OMP(正交匹配追踪)的算法流程:
四、OMP的MATLAB实现:
% MP:匹配追踪算法 % dictionary: 超完备字典 % x: 待表示信号 % M = 4; N = 10; % Phi = randn(M,N); % 字典 % for nn = 1:N % Phi(:,nn) = Phi(:,nn)/norm(Phi(:,nn)); % end % b = randn(M,1); % 信号 function x = OMP(dictionary,x,iter) [M,N] = size(dictionary); residual = zeros(M,iter); %残差矩阵,保存每次迭代后的残差 residual(:,1) = x; %初始化残差为x L = size(residual,2); %得到残差矩阵的列 pos_num = zeros(1,L); %用来保存每次选择的列序号 resi_norm = zeros(1,L); %用来保存每次迭代后的残差的2范数 resi_norm(1) = norm(x); %因为前面已初始化残差为x iter_out = 1e-3; iter_count = 0; aug_mat = [];
for mm = 1:iter
%迭代退出条件
if resi_norm(mm) < iter_out
break;
end
%求出dictionary每列与上次残差的内积
scalarproducts = dictionary’residual(:,mm);
%找到内积中最大的列及其内积值
[val,pos] = max(abs(scalarproducts));
%最小二乘的增广矩阵
aug_mat = [aug_mat dictionary(:,pos)];
%最小二乘投影
proj_y = aug_mat(aug_mat’*aug_mat)^(-1)aug_mat’x;
%更新残差
residual(:,mm+1) = x - proj_y;
%计算残差的2范数(平方和再开根号)
resi_norm(mm+1) = norm(residual(:,mm+1));
%保存选择的列序号
pos_num(mm) = pos;
iter_count = iter_count + 1;
end
%绘出残差的2范数曲线
resi_norm = resi_norm(1:iter_count+1);
plot(resi_norm);grid;
%显示选择的字典原子
pos_num = pos_num(1:iter_count);
disp(pos_num);
%稀疏系数
dict = dictionary(:,pos_num);
y_vec = (dict’*dict)^(-1)dict’x;
disp(y_vec);
figure;plot(y_vec);
五、MP与OMP的区别:
OMP与MP的不同根本在于残差更新过程:OMP减去的Pem是em在所有被选择过的原子组成的矩阵Φt所张成空间上的正交投影,而MP减去的Pem是em在本次被选择的原子φm所张成空间上的正交投影。基于此,OMP可以保证已经选择过的原子不会再被选择。
六、施密特(Schimidt)正交化与OMP
1、施密特(Schimidt)正交化的过程:
上面的的[x,y]表示向量内积,[x,y]=xTy=yTx=[x,y]。施密特正交化公式中的br实际上可写为:
分子之所以可以这么变化是由于[x,y]实际上为一个数,因此[x,y]x=x[x,y]= xxTy。
2、OMP与施密特(Schimidt)正交化的关系:
结论:OMP分解过程,实际上是将所选原子依次进行Schimidt正交化,然后将待分解信号减去在正交化后的原子上各自的分量即可得残差。其实(式3)求残差的过程也是在进行施密特正交化。
3、验证OMP残差求解过程与Schmidt正交化的关系
% 验证OMP残差求解过程与Schmidt正交化的关系 % clc;clear;close all; M = 4; N = 10; Phi = randn(M,N); % 字典 for nn = 1:NPhi(:,nn) = Phi(:,nn)/norm(Phi(:,nn)); end b = randn(M,1); % 信号 res0 = b; % 初始化残差为待稀疏信号b % OMP % 选择字典第一个原子 c1 = Phi'* res0; % 求矩阵Phi各列与b的内积 [val1,pos1] = max(abs(c1)); % 找到内积中最大的列及其内积值 phit = [Phi(:,pos1)]; % 由所有选出的列组合的矩阵 Pphi = phit*(phit'*phit)^(-1)*phit'; % 正交投影变换矩阵 omp_res1 = res0 - Pphi*res0; % OMP用上一次残差减去残差在phit列空间的正交投影 omp_resb = b - Pphi*b; % OMP用待稀疏信号b减去b在phit列空间的正交投影 % Schimidt x = Phi(:,pos1); % Schimidt正交化第一个向量 Px = x*(x'*x)^(-1)*x'; smt_res1 = res0 - Px*b; % 实际上是b - Px*b % test norm(omp_res1-omp_resb) norm(omp_resb-smt_res1)
% OMP
% 选择字典第二列
c2 = Phi’ * omp_res1;
[val2,pos2] = max(abs(c2));
phit = [Phi(:,pos1) Phi(:,pos2)];
Pphi = phit*(phit’phit)^(-1)phit’;
omp_res2 = omp_res1 - Pphiomp_res1;
omp_resb = b - Pphib;
% Schimidt
y = Phi(:,pos2) - PxPhi(:,pos2); % Schimidt正交化第二个向量
Py = y(y’y)^(-1)y’;
smt_res2 = smt_res1 - Pyb; % 实际上是b - Pxb - Py*b,上一次残差减去b在第2列正交化所得z上的投影
% test
norm(omp_res2-omp_resb)
norm(omp_resb-smt_res2)
% OMP
% 选择字典第三列
c3 = Phi’ * omp_res2;
[val3,pos3] = max(abs(c3));
phit = [Phi(:,pos1) Phi(:,pos2) Phi(:,pos3)];
Pphi = phit*(phit’phit)^(-1)phit’;
omp_res3 = omp_res2 - Pphiomp_res2;
omp_resb = b - Pphib;
% Schimidt
z = Phi(:,pos3) - PxPhi(:,pos3) - PyPhi(:,pos3); % Schimidt正交化第三个向量
Pz = z*(z’z)^(-1)z’;
smt_res3 = smt_res2 - Pzb; % 实际上是b - Pxb - Pyb - Pzb,上一次残差减去b在第3列正交化所得z上的投影
% test
norm(omp_res3-omp_resb)
norm(omp_resb-smt_res3)
参考文章:
http://blog.csdn.net/jbb0523/article/details/45099655
http://blog.csdn.net/jbb0523/article/details/45100351
<div id="blog_post_info">
<div class="clear"></div>
<div id="post_next_prev"><a href="https://www.cnblogs.com/AndyJee/p/5091932.html" class="p_n_p_prefix">« </a> 上一篇: <a href="https://www.cnblogs.com/AndyJee/p/5091932.html" title="发布于 2015-12-31 15:41">浅谈压缩感知(十八):常见测量矩阵及其实现</a>
<br>
<a href="https://www.cnblogs.com/AndyJee/p/5112251.html" class="p_n_p_prefix">» </a> 下一篇: <a href="https://www.cnblogs.com/AndyJee/p/5112251.html" title="发布于 2016-01-08 10:21">浅谈压缩感知(二十):OMP与压缩感知</a>
</div><!--end: topics 文章、评论容器-->
· Windows 10终于拿下操作系统市场半壁江山
· 藏在1.85亿人体内的隐形致癌病毒,有人确诊即是晚期
· 嘀嗒出行:用户突破1.3亿,车主突破1500万
· 无人机泡沫破裂:创企纷纷关门 风投遭重创
· 基因编辑明星动物遇挫:无角牛体内发现细菌基因污染 | 专访
» 更多新闻...
MP、OMP与施密特正交化(转载)相关推荐
- matlab施密特正交化,浅谈压缩感知(十九):MP、OMP与施密特正交化
浅谈压缩感知(十九):MP.OMP与施密特正交化 关于MP.OMP的相关算法与收敛证明,这里仅简单陈述算法流程及二者的不同之处. 主要内容: MP的算法流程及其MATLAB实现OMP的算法流程以及MA ...
- matlab格拉姆施密特,改进的格拉姆-施密特正交化(modified Gram-Schmidt Process)
最近在重新学习线性代数,学习的教材是MIT Gilbert Strang 教授的<INTRODUCTION TO LINEAR ALGEBRA>,在第4.4章节格拉姆-施密特正交化时,书中 ...
- C++实现Schmidt施密特正交化算法(附完整源码)
C++实现Schmidt施密特正交化算法 C++实现Schmidt施密特正交化算法完整源码(定义,实现,main函数测试) C++实现Schmidt施密特正交化算法完整源码(定义,实现,main函数测 ...
- 通俗理解“Schmidt正交化”和“正交矩阵” 此博文包含图片 (2015-05-19 09:50:47) 施密特正交化在空间上是不断建立垂直于原次维空间的新向量的过程。 如图β2垂直于β1(1维)
通俗理解"Schmidt正交化"和"正交矩阵" 施密特正交化在空间上是不断建立垂直于原次维空间的新向量的过程. 如图β2垂直于β1(1维)构建新2维,β3垂直于 ...
- 漫步线性代数十八——正交基和格拉姆-施密特正交化(下)
格拉姆-施密特 声明:以后博主会把文章的pdf版本陆续发布到的网上,免费供大家下载 正交基和格拉姆-施密特正交化 假设我们有是是三个无关向量a,b,ca,b,c,如果他们是正交的,那么会多问题都变得容 ...
- 漫步线性代数十七——正交基和格拉姆-施密特正交化(上)
对于一个正交基,每个向量和其他所有向量垂直,坐标轴就是互相正交的.我们还可以进一步改善:每个向量除以它的长度得到单位向量,这样的话正交基变成了标准正交基: 16.如果 qTiqj={01i≠j,给出正 ...
- 施密特正交化的几何解释
向量投影公式推导:https://blog.csdn.net/weixin_33991418/article/details/85459591 施密特正交化的几何解释 :https://blog.cs ...
- 施密特正交化_格拉姆-施密特正交化--QR分解法的来源
人类的数学发展到了今天,已经如浩瀚的宇宙般深不见底,不管时代怎么变迁,数学总是以超前于人类的科技水平而存在,如果说宇宙有尽头的话,那么宇宙的尽头也是数学的尽头,数学的停止就是世界的末日.所以我后悔当初 ...
- 5.5 QR分解一:施密特正交化
文章目录 计算方法 python实现 数据测试 计算方法 矩阵的正交三角分解QR decomposition,简称QR分解,是找到两个矩阵Q和R使得 A = Q R A=QR A=QR,Q是正交矩 ...
- 施密特正交化(Schmidt)
n维向量空间 R n R^n Rn中得出的一组线性无关的向量 a 1 , a 2 , . . . . . a n a_1,a_2,.....a_n a1,a2,.....an 怎么确定一组两两正 ...
最新文章
- C语言头文件、库文件的查找路径
- E - Olympic Medal CodeForces - 215B(数学 思维)
- Net4.0的网站在IE10、IE11出现“__doPostBack未定义”的解决办法。
- wordpress模板-响应式博客主题模板-Repay主题开源版
- [PHP] 面向对象
- [论文阅读] Suggestive Annotation: A Deep Active Learning Framework for Biomedical Image Segmentation
- Android可视化环境配置搭建方法
- win10计算机百度云盘,windows10系统中怎样安装百度云盘?
- 债券收益率预测模型_股债收益率模型看A股估值 股债收益率模型(EYBY)是一个经典的股市估值模型,其基本思想是将“股票收益率”(EY)与“债券收益率”(BY)进行对比... - 雪球...
- 道德经和译文_老子《道德经》全文解析及通俗译文
- JD京东爬虫-商品评论爬虫-----附源码
- 790. 数的三次方根
- 中国“千禧一代”是一群什么样的消费者?
- 快捷安装Mac系统下安装/卸载brew
- 新大陆云平台app制作(史上最简单)
- Excel 2010 SQL应用097 聚合函数之方差或标准方差
- 【编程题】【Scratch一级】2021.06 打篮球
- 风险管理,未雨绸缪——《代码之殇》读书笔记II
- 有没有免费将XPS转Word的方法
- QQ音乐静态页面设计-思路分享和代码
【推荐】零基础轻松玩转华为云产品,获壕礼加返百元大礼
【推荐】新手上天翼云,数十款云产品、新一代主机0元体验
【推荐】华为IoT平台开发者套餐9.9元起,购买即送免费课程
· 浅谈压缩感知(九):正交匹配追踪算法OMP
· 浅谈压缩感知(二十二):压缩感知重构算法之正则化正交匹配追踪(ROMP)
· 浅谈压缩感知(二十五):压缩感知重构算法之分段正交匹配追踪(StOMP)
· 浅谈压缩感知(二十一):压缩感知重构算法之正交匹配追踪(OMP)
· 浅谈压缩感知(二十):OMP与压缩感知