码迷,mamicode.com
首页 > 其他好文 > 详细

MP算法和OMP算法及其思想

时间:2014-07-16 14:25:58      阅读:297      评论:0      收藏:0      [点我收藏+]

标签:style   http   使用   strong   文件   os   

主要介绍MP(Matching Pursuits)算法和OMP(Orthogonal Matching Pursuit)算法[1],这两个算法尽管在90年代初就提出来了,但作为经典的算法,国内文献(可能有我没有搜索到)都仅描写叙述了算法步骤和简单的应用,并未对其进行详尽的分析,国外的文献还是分析的非常透彻,所以我结合自己的理解,来分析一下写到博客里,算作笔记。

1. 信号的稀疏表示(sparse representation of signals)

给定一个过完备字典矩阵bubuko.com,布布扣,当中它的每列表示一种原型信号的原子。给定一个信号y,它能够被表示成这些原子的稀疏线性组合。信号 y 能够被表达为 y = Dx ,或者bubuko.com,布布扣。 字典矩阵中所谓过完备性,指的是原子的个数远远大于信号y的长度(其长度非常显然是n),即n<<k。

2.MP算法(匹配追踪算法)

2.1 算法描写叙述

作为对信号进行稀疏分解的方法之中的一个,将信号在完备字典库上进行分解。

假定被表示的信号为y,其长度为n。假定H表示Hilbert空间,在这个空间H里,由一组向量bubuko.com,布布扣构成字典矩阵D,当中每一个向量能够称为原子(atom),其长度与被表示信号 y 的长度n同样,并且这些向量已作为归一化处理,即|bubuko.com,布布扣,也就是单位向量长度为1。MP算法的基本思想:从字典矩阵D(也称为过完备原子库中),选择一个与信号 y 最匹配的原子(也就是某列),构建一个稀疏逼近,并求出信号残差,然后继续选择与信号残差最匹配的原子,重复迭代,信号y能够由这些原子来线性和,再加上最后的残差值来表示。非常显然,假设残差值在能够忽略的范围内,则信号y就是这些原子的线性组合。假设选择与信号y最匹配的原子?怎样构建稀疏逼近并求残差?怎样进行迭代?我们来具体介绍使用MP进行信号分解的步骤:[1] 计算信号 y 与字典矩阵中每列(原子)的内积,选择绝对值最大的一个原子,它就是与信号 y 在本次迭代运算中最匹配的。用专业术语来描写叙述:令信号bubuko.com,布布扣,从字典矩阵中选择一个最为匹配的原子,满足bubuko.com,布布扣,r0 表示一个字典矩阵的列索引。这样,信号 y 就被分解为在最匹配原子bubuko.com,布布扣的垂直投影分量和残值两部分,即:bubuko.com,布布扣。[2]对残值R1f进行步骤[1]相同的分解,那么第K步能够得到:

bubuko.com,布布扣, 当中bubuko.com,布布扣 满足bubuko.com,布布扣。可见,经过K步分解后,信号 y 被分解为:bubuko.com,布布扣,当中bubuko.com,布布扣

2.2 继续讨论

(1)为什么要假定在Hilbert空间中?Hilbert空间就是定义了完备的内积空。非常显然,MP中的计算使用向量的内积运算,所以在在Hilbert空间中进行信号分解理所当然了。什么是完备的内积空间?篇幅有限就请自己搜索一下吧。

(2)为什么原子要事先被归一化处理了,即上面的描写叙述bubuko.com,布布扣。内积经常使用于计算一个矢量在一个方向上的投影长度,这时方向的矢量必须是单位矢量。MP中选择最匹配的原子是,是选择内积最大的一个,也就是信号(或是残值)在原子(单位的)垂直投影长度最长的一个,比方第一次分解过程中,投影长度就是bubuko.com,布布扣bubuko.com,布布扣,三个向量,构成一个三角形,且bubuko.com,布布扣bubuko.com,布布扣正交(不能说垂直,可是能够想象二维空间这两个矢量是垂直的)。

(3)MP算法是收敛的,由于bubuko.com,布布扣bubuko.com,布布扣bubuko.com,布布扣正交,由这两个能够得出bubuko.com,布布扣,得出每个残值比上一次的小,故而收敛。

2.3 MP算法的缺点

如上所述,假设信号(残值)在已选择的原子进行垂直投影是非正交性的,这会使得每次迭代的结果并不少最优的而是次最优的,收敛须要非常多次迭代。举个样例说明一下:在二维空间上,有一个信号 y 被 D=[x1, x2]来表达,MP算法迭代会发现总是在x1和x2上重复迭代,即bubuko.com,布布扣,这个就是信号(残值)在已选择的原子进行垂直投影的非正交性导致的。再用严谨的方式描写叙述[1]可能easy理解:在Hilbert空间H中,bubuko.com,布布扣bubuko.com,布布扣,定义bubuko.com,布布扣,就是它是这些向量的张成中的一个,MP构造一种表达形式:bubuko.com,布布扣;这里的Pvf表示 f在V上的一个正交投影操作,那么MP算法的第 k 次迭代的结果能够表演示样例如以下(前面描写叙述时信号为y,这里变成f了,请注意):bubuko.com,布布扣

假设 bubuko.com,布布扣 是最优的k项近似值,当且仅当bubuko.com,布布扣。因为MP仅能保证bubuko.com,布布扣,所以bubuko.com,布布扣普通情况下是次优的。这是什么意思呢?bubuko.com,布布扣是k个项的线性表示,这个组合的值作为近似值,仅仅有在第k个残差和bubuko.com,布布扣正交,才是最优的。假设第k个残值与bubuko.com,布布扣正交,意味这个残值与fk的随意一项都线性无关,那么第k个残值在后面的分解过程中,不可能出现fk中已经出现的项,这才是最优的。而普通情况下,不能满足这个条件,MP一般仅仅能满足第k个残差和xk正交,这也就是前面为什么提到“信号(残值)在已选择的原子进行垂直投影是非正交性的”的原因。假设第k个残差和fk不正交,那么后面的迭代还会出现fk中已经出现的项,非常显然fk就不是最优的,这也就是为什么说MP收敛就须要很多其它次迭代的原因。不是说MP一定得到不到最优解,并且其前面描写叙述的特性导致一般得到不到最优解而是次优解。那么,有没有办法让第k个残差与bubuko.com,布布扣正交,方法是有的,这就是以下要谈到的OMP算法。

3.OMP算法

3.1 算法描写叙述

OMP算法的改进之处在于:在分解的每一步对所选择的所有原子进行正交化处理,这使得在精度要求同样的情况下,OMP算法的收敛速度更快。

那么在每一步中怎样对所选择的所有原子进行正交化处理呢?在正式描写叙述OMP算法前,先看一点基础思想。

先看一个 k  阶模型,表示信号 f 经过 k 步分解后的情况,似乎非常眼熟,但要注意它与MP算法不同之处,它的残值与前面每一个分量正交,这就是为什么这个算法多了一个正交的原因,MP中仅与近期选出的的那一项正交。

bubuko.com,布布扣(1)

 k + 1 阶模型例如以下:

bubuko.com,布布扣(2)

应用 k + 1阶模型减去k 阶模型,得到例如以下:

bubuko.com,布布扣(3)

我们知道,字典矩阵D的原子是非正交的,引入一个辅助模型,它是表示bubuko.com,布布扣对前k个项bubuko.com,布布扣的依赖,描写叙述例如以下:

bubuko.com,布布扣(4)

和前面描写叙述类似,bubuko.com,布布扣在span(x1, ...xk)之中的一个上的正交投影操作,后面的项是残值。这个关系用数学符号描写叙述:bubuko.com,布布扣

请注意,这里的 a 和 b 的上标表示第 k 步时的取值。

将(4)带入(3)中,有:

bubuko.com,布布扣(5)

假设一下两个式子成立,(5)必定成立。

bubuko.com,布布扣(6)

bubuko.com,布布扣(7)

bubuko.com,布布扣,有

bubuko.com,布布扣

当中bubuko.com,布布扣

ak的值是由求法非常easy,通过对(7)左右两边加入?bubuko.com,布布扣作内积消减得到:

bubuko.com,布布扣

后边的第二项由于它们正交,所以为0,所以能够得出ak的第一部分。对于bubuko.com,布布扣,在(4)左右两边中与bubuko.com,布布扣作内积,能够得到ak的第二部分。

对于(4),能够求出bubuko.com,布布扣,求的步骤请參见參考文件的计算细节部分。为什么这里不提,由于后面会介绍更简单的方法来计算。

3.2 收敛性证明

通过(7)bubuko.com,布布扣,因为bubuko.com,布布扣bubuko.com,布布扣正交,将两个残值移到右边后求二范的平方,并将ak的值代入能够得到:

bubuko.com,布布扣

可见每一次残差比上一次残差小,可见是收敛的。

3.3 算法步骤

整个OMP算法的过程例如以下:

bubuko.com,布布扣

因为有了上面的来龙去脉,这个算法就相当好理解了。

到这里还不算完,后来OMP的迭代运算用第二种方法能够计算得知,有位同学的论文[2]描写叙述就很好,我就直接引用进来:

bubuko.com,布布扣bubuko.com,布布扣

对照中英文描写叙述,本质都是一样,仅仅是有细微的区别。这里顺便贴出网一哥们写的OMP算法的代码,源出处不得而知,共享给大家。

bubuko.com,布布扣

再贴另外一个洋牛paper[3]中关于OMP的描写叙述,之所以引入,是由于它描写叙述的很严谨,可是也有点苦涩难懂,只是有了上面的基础,就easy多了。

bubuko.com,布布扣

它的描写叙述中的Sweep步骤就是寻找与当前残差最大的内积时列在字典矩阵D中的索引,它的这个步骤描写叙述说明为什么要选择内积最大的以及怎样选择。见下图,说的很清晰。

bubuko.com,布布扣

它的算法步骤Update Provisional Solution中求bubuko.com,布布扣非常easy,就是在 b = Ax 已知 A和b求x, 在x的最小二范就是A的伪逆与b相乘,即:

bubuko.com,布布扣

看上去头疼,其有用matlab很easy,看看上面的matlab的代码就明确了。

我们能够看得出来,算法流程清晰明了,还是非常好理解的。这正是OMP算法的魅力,作为工具使用简单,背后却隐藏着非常有趣的思想。

写这篇博客的目的,是由于搜索了一下,MP和OMP没有人非常具体的介绍。文献[1]讲的非常清楚的,大家有兴趣能够找来看看。不要被老板发现我竟然在搜中文文献还写中文博客。


參考文献:

[1] Orthogonal Matching Pursuit:Recursive Function Approximat ion with Applications to Wavelet Decomposition
[2]http://wenku.baidu.com/view/22f3171614791711cc7917e4.html

[3] From Sparse Solutions of Systems of Equations to Sparse Modeling of Signals and Images

MP算法和OMP算法及其思想,布布扣,bubuko.com

MP算法和OMP算法及其思想

标签:style   http   使用   strong   文件   os   

原文地址:http://www.cnblogs.com/yxwkf/p/3848376.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!