申请/专利权人：电子科技大学长三角研究院(衢州)

申请日：2023-08-21

公开（公告）日：2023-11-21

公开（公告）号：CN117093950A

主分类号：G06F18/25

分类号：G06F18/25;G01S13/89

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.12.08#实质审查的生效;2023.11.21#公开

摘要：本发明公开了一种无参数融合LASSO模型求解方法，首先建立线性信号模型，通过全变差算子与稀疏范数相结合构建一种融合LASSO模型，再重定义融合LASSO模型，通过计算归一化加权矩阵，根据协方差拟合准则，在均匀噪声情况和非均匀噪声情况下分别构建一种无参数融合LASSO求解模型，最后通过对无参数融合LASSO模型的求解，实现目标稀疏重建。本发明方法融合了全变差算子与稀疏范数约束，在实现信号稀疏重建的同时还能够保持目标边缘信息，相比现有LASSO模型具有更好的尺度恢复能力，同时构建了基于协方差拟合准则的无参数求解方法，避免了求解过程中复杂的正则化参数选择问题。

主权项：1.一种无参数融合LASSO模型求解方法，具体步骤如下：步骤一、建立线性信号模型；建立线性信号模型：y＝Hs+e1其中，表示信号样本向量，表示一个字典矩阵，表示待恢复信号向量，表示加性噪声向量，表示向量空间维度，M表示信号样本维度，N表示待恢复信号维度；步骤二、构建融合LASSO模型；设定向量s是稀疏的，LASSO优化方法表示为： 其中，表示模型和信号之间的l2范数距离，||s||1表示对向量s添加稀疏约束，μ表示控制两项之间权衡的参数；将全变差算子与稀疏约束相结合，得到一种融合LASSO优化模型，其表达式为： 其中，D表示全变差算子，具体表示为： 步骤三、重定义融合LASSO模型；设定是可逆矩阵，将全变差算子与稀疏约束相融合，可令：B＝HD-15x＝Ds6则式3重新表示为： 步骤四、计算归一化加权矩阵；构造归一化加权矩阵去除式7中的正则化参数，令B＝[b1,b2,...,bM]，则加权矩阵可以表示为：Wx＝diag[w1...wM]8Wσ＝diag[wM+1...wM+N]9 其中，diag·表示将向量转化为对角矩阵，Wx表示对目标约束的加权矩阵，Wσ表示对噪声约束的加权矩阵；步骤五、构建无参数求解模型；利用步骤四中的加权矩阵Wx和Wσ，根据协方差准则，分别针对噪声的两种不同情况构建两种无参数求解模型；第一种情况是指所有噪声方差σk相等的均匀噪声情况；设定所有的噪声项都有相等的方差，即当时，式7等价为： 第二种情况是指噪声方差σk不相同时的非均匀噪声情况；设定噪声项存在不同的方差，式7等价为： 步骤六、模型转化；对模型进行转化，实现对向量s的求解，得到最终的无参数融合LASSO模型求解方法；在均匀噪声情况下，将式5、6带入式11得： 在非均匀噪声情况下，将式5、6带入式12得 步骤七、模型求解；步骤六所得模型是一个凸优化问题，通过Matlab的CVX工具箱进行求解；在均匀噪声下，求解结果为： 在非均匀噪声情况下，求解结果为： 其中，表示目标重建结果，CVX·表示CVX工具箱求解过程；最终通过对无参数融合LASSO模型的求解，实现目标稀疏重建。

全文数据：

权利要求：

百度查询： 电子科技大学长三角研究院(衢州) 一种无参数融合LASSO模型求解方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD