用于压缩感知信号重建的贪婪追踪融合

贪婪追踪（Greedy Pursuits）在压缩感知的稀疏信号恢复中非常流行。尽管许多贪婪追踪方法拥有优雅的性能理论保证，但众所周知，其性能取决于稀疏信号中非零元素的统计分布。在实践中，稀疏信号的分布可能无法先验获知。此外还观察到，当可用测量次数减少至某个依赖于方法的阈值以下时，贪婪追踪的性能会下降。为了改善这些情况下的性能，我们引入了一种新颖的贪婪追踪融合框架，并提出了两种稀疏恢复算法。通过 Monte Carlo 模拟，我们表明所提出的方案在纯净及含噪测量情况下均能改善稀疏信号恢复效果。