压缩感知能同步完成对信号的采样和压缩,可以极大地降低硬件压力和信号处理成本.面对日益增长的海量数据对存储空间和传输宽带的要求越来越严格的挑战,压缩感知提供了一个很好的解决方案,因而压缩感知成为了信号处理的首选工具.重构算法是验证压缩感知理论的必要方法,而压缩感知算法主要分为两类:贪婪算法和凸优化算法.其中,由于贪婪算法易于实现且十分高效,所以应用广泛.本文是以贪婪算法中几个经典算法为基础,提出的改进算法.主要工作如下:(1)鉴于分段弱正交匹配算法会在迭代过程中将不该选入支撑集的原子放入支撑集中,影响信号恢复质量,为了克服这个缺点,提出了分段弱限定正交匹配追踪(SWLOMP)算法.该算法加入了限定机制,自适应计算每步迭代加入支撑集的原子个数,可以将每步迭代中表现差的原子从支撑集中删除.针对高斯信号和0-1信号,给出了自适应计算阈值的公式.仿真结果表明,基于一维信号,算法的信号重构质量好.(2)因为分段正交匹配追踪算法会将原子误选入支撑集,导致信号重构质量差,为了克服这个缺点,提出了分段限定正交匹配追踪(StLOMP)算法.该算法在原算法基础上加入限定准则,自适应计算每步迭代放入支撑集的原子数,将表现差的原子移除.仿真结果表明,基于一维信号,算法的信号重构质量高.(3)针对稀疏度自适应匹配算法需要提前设定步长,而步长的选择极大地影响了算法信号重构效果,为了克服这个缺点,提出了稀疏度和步长自适应限定匹配追踪(SSALMP)算法.该算法可以依据基本信息自适应的计算步长.同时设置阈值策略来控制步长,避免不属于支撑集的原子被选入支撑集中.仿真结果表明,基于一维信号,算法信号重构精准度高.(4)正交多块匹配追踪算法需要提前设定原子个数,而原子数的选择对算法信号重构质量影响极大,为了克服这个缺点,提出自适应多块限定正交匹配追踪(AMLOMP)算法.该算法可以依据公式自适应地计算每步迭代最大加入支撑集的原子个数,并且加入了去噪准则,将符合去噪标准的原子从支撑集中删除.仿真结果表明,基于一维信号,算法信号重构质量高.