1.一种基于回溯广义OMP的磁共振测深信号消噪方法,其特征在于,包括:利用磁共振测深探水仪以低于奈奎斯特频率的频率对稀疏信号进行采样,得到含噪MRS信号;
利用谐波建模方法去除含噪MRS信号中的工频谐波噪声后,将含噪MRS信号转化为二维矩阵信号;
通过KSVD算法对二维矩阵信号进行字典学习,以随机矩阵作为初始的字典,二维矩阵信号作为原始数据,迭代后获得更新后字典;
使用独立分布的高斯随机矩阵,计算恢复矩阵和测量数据;
对测量数据使用回溯广义正交匹配追踪算法进行迭代运算,选择测量数据与恢复矩阵的模最大投影的原子序列,获得测量数据在恢复矩阵下的稀疏系数矩阵;
根据字典与测量数据在恢复矩阵下的稀疏系数矩阵的乘积计算恢复信号,取恢复信号的第一行还原为一维信号。
2.根据权利要求1所述的一种基于回溯广义OMP的磁共振测深信号消噪方法,其特征在于,恢复矩阵为,测量数据为,其中为恢复矩阵,为高斯随机矩阵,为二维矩阵信号,为字典,为测量数据。
3.根据权利要求1所述的一种基于回溯广义OMP的磁共振测深信号消噪方法,其特征在于,恢复信号的计算公式:,为测量数据在恢复矩阵下的稀疏系数矩阵,为恢复信号,为字典。
4.根据权利要求3所述的一种基于回溯广义OMP的磁共振测深信号消噪方法,其特征在于,通过KSVD算法对二维矩阵信号进行字典学习,以随机矩阵作为初始的字典,二维矩阵信号作为原始数据,迭代后获得更新后字典,包括:使用回溯广义正交匹配追踪算法计算二维矩阵信号在当前字典下的稀疏系数矩阵;
进行字典学习,更新字典的第列,采用的公式为:
,为字典的第列向量,为二维矩阵信号在当前字典下的稀疏系数矩阵的第行向量,为信号残差,表示F范数的平方,为字典的第列向量,为二维矩阵信号在当前字典下的稀疏系数矩阵的第行向量,为二维矩阵信号,为字典,为当前字典下的稀疏系数矩阵;
提取信号残差中对应二维矩阵信号在当前字典下的稀疏系数矩阵的第行向量不为0的列向量,组成新信号残差,并对新信号残差进行奇异值分解,得到第一列左奇异向量替换字典的第列向量;
重复与字典原子数相同次数,获得更新后字典。
5.根据权利要求4所述的一种基于回溯广义OMP的磁共振测深信号消噪方法,其特征在于,所述对新信号残差进行奇异值分解,包括:对新信号残差进行奇异值分解转化为三个矩阵的乘积,是与新信号残差同行数的正交矩阵,其列向量被称为左奇异向量,是与新信号残差同大小的矩形对角矩阵,对角线上按降序排列的非负元素为奇异值,是与新信号残差同列数的正交矩阵,其行向量为右奇异向量。
6.根据权利要求4所述的一种基于回溯广义OMP的磁共振测深信号消噪方法,其特征在于,使用回溯广义正交匹配追踪算法计算二维矩阵信号在,包括:输入字典原子数,生成初始化的字典;
使用回溯广义正交匹配追踪算法计算二维矩阵信号在当前字典下的稀疏系数矩阵,输入初始的字典、二维矩阵信号和第一原子约束度进行稀疏编码,对二维矩阵信号的列向量进行循环计算,初始化的残差:,为二维矩阵信号的列向量,为第一残差;
计算当前字典的转置与当前残差的投影:,为当前残差的投影,为当前字典的转置,选择最大投影的索引添加到索引集;
使用最小二乘法求解当前循环下二维矩阵信号的列向量对应索引的稀疏系数原子;
根据稀疏系数原子更新第一残差;
重复次,将稀疏系数原子填入第一稀疏系数矩阵A(),表示信号长度中的第个信号的位置,处理二维矩阵信号的所有列向量,最终获得二维矩阵信号在当前字典下的稀疏系数矩阵。
7.根据权利要求6所述的一种基于回溯广义OMP的磁共振测深信号消噪方法,其特征在于,根据稀疏系数原子更新第一残差,表示为:,其中,为第一残差,为稀疏系数原子,,为字典对应索引集子字典集合的伪逆运算,表示字典对应索引集子字典集合。
8.根据权利要求1所述的一种基于回溯广义OMP的磁共振测深信号消噪方法,其特征在于,对测量数据使用回溯广义正交匹配追踪算法进行迭代运算,选择测量数据与恢复矩阵模最大投影的原子序列,获得测量数据在恢复矩阵下的稀疏系数矩阵,包括:输入恢复矩阵、测量数据、第二原子约束度和挑选原子个数S,对测量数据的列向量进行循环计算,初始化第二残差等于测量数据的列向量;
计算当前第二残差与恢复矩阵转置的投影的模,选择最大的S个模的索引加入索引集;
选择恢复矩阵对应索引集的子字典集合,使用伪逆运算求解第一系数;
根据第一系数更新第二残差;
重复次,将第一系数填入第二稀疏系数矩阵(),表示信号长度中的第个信号的位置,处理测量数据的所有原子,获得测量数据在恢复矩阵下的稀疏系数矩阵。
9.根据权利要求8所述的一种基于回溯广义OMP的磁共振测深信号消噪方法,其特征在于,根据第一系数更新第二残差,表示为:,表示测量数据的列向量,表示恢复矩阵对应索引集的子字典集合,为第一系数,为第二残差。