技術(shù)特征：

1.一種信號(hào)稀疏表示方法，其特征在于，包括：

步驟S101：對(duì)預(yù)設(shè)字典進(jìn)行初始化，獲得初始字典，并將待處理信號(hào)初始化為與所述初始字典相對(duì)應(yīng)的信號(hào)矩陣，所述信號(hào)矩陣中的每個(gè)元素為所述初始字典中多種原子的線性組合中的一種；

步驟S102：利用稀疏分解算法獲取與所述信號(hào)矩陣相對(duì)應(yīng)的稀疏系數(shù)矩陣；

步驟S103：統(tǒng)計(jì)當(dāng)前執(zhí)行步驟S102的次數(shù)；

步驟S104：對(duì)所述初始字典與所述稀疏系數(shù)矩陣執(zhí)行更新操作，并統(tǒng)計(jì)當(dāng)前執(zhí)行所述更新操作的次數(shù)；所述更新操作具體為：對(duì)所述初始字典中的原子執(zhí)行第一更新操作，得到第一字典；依次對(duì)所述第一字典中的每列原子執(zhí)行第二更新操作，同時(shí)對(duì)在所述稀疏系數(shù)矩陣中，與執(zhí)行第二更新操作的列相對(duì)應(yīng)行的稀疏系數(shù)非零項(xiàng)執(zhí)行第三更新操作，直到所述第一字典中的列全部被更新，得到第二字典與更新后的稀疏系數(shù)矩陣；

步驟S105：判斷當(dāng)前執(zhí)行所述更新操作的次數(shù)是否小于第一預(yù)設(shè)次數(shù)，若是，將第二字典作為新的初始字典，將更新后的稀疏系數(shù)矩陣作為新的稀疏系數(shù)矩陣，并返回步驟S104；若否，利用所述第二字典與所述更新后的稀疏系數(shù)矩陣重構(gòu)出信號(hào)矩陣，并執(zhí)行步驟S106；

步驟S106：判斷當(dāng)前執(zhí)行步驟S102的次數(shù)是否小于第二預(yù)設(shè)次數(shù)；如果是，將所述第二字典作為新的初始字典，將所述重構(gòu)出的信號(hào)矩陣作為新的信號(hào)矩陣，并返回步驟S102；如果否，輸出所述重構(gòu)出的信號(hào)矩陣。

2.根據(jù)權(quán)利要求1所述的算法，其特征在于，所述對(duì)所述初始字典中的原子執(zhí)行第一更新操作，得到第一字典，包括：

獲取所述信號(hào)矩陣的重構(gòu)均方誤差其中，Y為所述信號(hào)矩陣，D為所述初始字典，Γ為所述稀疏系數(shù)矩陣；

對(duì)所述信號(hào)矩陣的重構(gòu)均方誤差進(jìn)行關(guān)于所述初始字典的求導(dǎo)，得到第一字典D＝Y(jié)Γ^T(ΓΓ^T)^-1，減小所述信號(hào)矩陣的重構(gòu)均方誤差。

3.根據(jù)權(quán)利要求1所述的算法，其特征在于，所述依次對(duì)所述第一字典中的每列原子執(zhí)行第二更新操作，同時(shí)對(duì)在所述稀疏系數(shù)矩陣中，與執(zhí)行第二更新操作的列相對(duì)應(yīng)行的稀疏系數(shù)非零項(xiàng)執(zhí)行第三更新操作，直到所述第一字典中的列全部被更新，得到第二字典與更新后的稀疏系數(shù)矩陣，包括：

獲取所述信號(hào)矩陣的重構(gòu)均方誤差其中，E_k為誤差矩陣，d_k為所述初始字典D中第k列原子，為所述稀疏系數(shù)矩陣Γ中與d_k對(duì)應(yīng)的第k行稀疏系數(shù)；

去掉中的所有零值，并定義中非零項(xiàng)索引

根據(jù)所述中非零項(xiàng)索引，將所述信號(hào)矩陣的重構(gòu)均方誤差轉(zhuǎn)換為

采用交替最小化算法更新d_k與直到所述第一字典中的原子全部被更新，得到第二字典與更新后的稀疏系數(shù)矩陣，使所述信號(hào)矩陣的重構(gòu)均方誤差最小化。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述采用交替最小化算法更新d_k與包括：

利用所述誤差矩陣E_k、以及中非零項(xiàng)索引ω_k更新所述初始字典中第k列原子d_k；

利用更新后的d_k、所述誤差矩陣E_k，以及中非零項(xiàng)索引ω_k更新稀疏系數(shù)矩陣中與d_k對(duì)應(yīng)的第k行稀疏系數(shù)的非零項(xiàng)。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述第一預(yù)設(shè)次數(shù)為3，所述第二預(yù)設(shè)次數(shù)為80。

6.一種信號(hào)稀疏表示裝置，其特征在于，包括：

初始化模塊，用于對(duì)預(yù)設(shè)字典進(jìn)行初始化，獲得初始字典，并將待處理信號(hào)初始化為與所述初始字典相對(duì)應(yīng)的信號(hào)矩陣，所述信號(hào)矩陣中的每個(gè)元素為所述初始字典中多種原子的線性組合中的一種；

獲取模塊，用于利用稀疏分解算法獲取與所述信號(hào)矩陣相對(duì)應(yīng)的稀疏系數(shù)矩陣；

統(tǒng)計(jì)模塊，用于統(tǒng)計(jì)當(dāng)前所述獲取模塊的執(zhí)行次數(shù)；

更新模塊，用于對(duì)所述初始字典與所述稀疏系數(shù)矩陣執(zhí)行更新操作，并統(tǒng)計(jì)當(dāng)前執(zhí)行所述更新操作的次數(shù)；所述更新操作具體為：對(duì)所述初始字典中的原子執(zhí)行第一更新操作，得到第一字典；依次對(duì)所述第一字典中的每列原子執(zhí)行第二更新操作，同時(shí)對(duì)在所述稀疏系數(shù)矩陣中，與執(zhí)行第二更新操作的列相對(duì)應(yīng)行的稀疏系數(shù)非零項(xiàng)執(zhí)行第三更新操作，直到所述第一字典中的列全部被更新，得到第二字典與更新后的稀疏系數(shù)矩陣；

第一判斷模塊，用于判斷當(dāng)前執(zhí)行所述更新操作的次數(shù)是否小于第一預(yù)設(shè)次數(shù)，若是，將第二字典作為新的初始字典，將更新后的稀疏系數(shù)矩陣作為新的稀疏系數(shù)矩陣，并返回所述更新模塊的相關(guān)操作；若否，利用所述第二字典與所述更新后的稀疏系數(shù)矩陣重構(gòu)出信號(hào)矩陣，并觸發(fā)第二判斷模塊；

第二判斷模塊，用于判斷當(dāng)前所述獲取模塊的執(zhí)行次數(shù)是否小于第二預(yù)設(shè)次數(shù)；如果是，將所述第二字典作為新的初始字典，將所述重構(gòu)出的信號(hào)矩陣作為新的信號(hào)矩陣，并返回所述獲取模塊的相關(guān)操作；如果否，輸出所述重構(gòu)出的信號(hào)矩陣。

7.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述更新模塊包括：

第一獲取子模塊，用于獲取所述信號(hào)矩陣的重構(gòu)均方誤差其中，Y為所述信號(hào)矩陣，D為所述初始字典，Γ為所述稀疏系數(shù)矩陣；

求導(dǎo)子模塊，用于對(duì)所述信號(hào)矩陣的重構(gòu)均方誤差進(jìn)行關(guān)于所述初始字典的求導(dǎo)得到第一字典D＝Y(jié)Γ^T(ΓΓ^T)^-1，減小所述信號(hào)矩陣的重構(gòu)均方誤差；

第二獲取子模塊，用于獲取所述信號(hào)矩陣的重構(gòu)均方誤差其中，E_k為誤差矩陣，d_k為所述初始字典D中第k列原子，為所述稀疏系數(shù)矩陣Γ中與d_k對(duì)應(yīng)的第k行稀疏系數(shù)；

定義子模塊，用于去掉中的所有零值，并定義中非零項(xiàng)索引

轉(zhuǎn)換子模塊，用于根據(jù)所述中非零項(xiàng)索引，將所述信號(hào)矩陣的重構(gòu)均方誤差轉(zhuǎn)換為

更新子模塊，用于采用交替最小化算法更新d_k與直到所述第一字典中的原子全部被更新，得到第二字典與更新后的稀疏系數(shù)矩陣，使所述信號(hào)矩陣的重構(gòu)均方誤差最小化。

8.根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述更新子模塊還包括：

第一更新子單元，用于利用所述誤差矩陣E_k、以及中非零項(xiàng)索引ω_k更新所述初始字典中第k列原子d_k；

第二更新子單元，用于利用更新后的d_k、所述誤差矩陣E_k，以及中非零項(xiàng)索引ω_k更新稀疏系數(shù)矩陣中與d_k對(duì)應(yīng)的第k行稀疏系數(shù)的非零項(xiàng)。

9.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述第一預(yù)設(shè)次數(shù)為3，所述第二預(yù)設(shè)次數(shù)為80。