聯(lián)合稀疏同步迭代硬閾值算法

　　為了改進(jìn)基于壓縮感知（CS）的欠Nyquist采樣系統(tǒng)在冗余字典條件下信號(hào)重構(gòu)的效果，研究了基于s一閉包的分塊聯(lián)合稀疏模型的同步迭代硬閾值（ SIHT）算法。分析了采樣系統(tǒng)基于多測(cè)量向量（MMV）的CS合成模型，提出了8一閉包的分塊相干性和約束等距特性（ RJP）概念；在迭代過程中根據(jù)冗余字典分塊相干性，對(duì)更新支撐集進(jìn)行優(yōu)選從而完成算法改進(jìn)；給出了迭代收斂常數(shù)，并分析了改進(jìn)型算法的收斂特性。仿真實(shí)驗(yàn)結(jié)果表明，相比傳統(tǒng)算法，改進(jìn)型算法在采樣系統(tǒng)足夠的通道數(shù)條件下重構(gòu)成功率可達(dá)到l00%，噪聲抑制能力能夠提高7 dB -9 dB，總運(yùn)算時(shí)間可以降低至少37.9%，信號(hào)重構(gòu)收斂速度更快。