1.一种基于奇异值分解的二维正交匹配追踪优化算法，其特征在于，用于压缩感知的接收端，对压缩后的二维稀疏信号进行重构，包括：获取任一可分离的测量矩阵 可分离的稀疏基 测量值 和稀疏度K，其中 表示列测量矩阵， 表示行测量矩阵，T

表示Kronecker积， 表示矩阵元素均为实数，(g) 表示矩阵的转置操作，M＝m×m，N＝n×n，m≤n；

对测量矩阵Φx、Φy分别进行奇异值分解，得到 其中矩阵Ux和Uy的列向量分别是矩阵 和 的特征向量，Dx和Dy分别为矩阵Φx和Φy的奇异值构成的对角矩阵，Vx和Vy的列向量分别是 和 的特征向量；

取Dx和Vx的1～m列分别得到矩阵D1x和矩阵V1x，取Dy和Vy的1～m列分别得到矩阵D1y和矩阵V1y，则有Φx＝Ux(D1x O)(V1x V2x)T、Φy＝Uy(D1y O)(V1y V2y)T，其中D1x和D1y均为m×m的对角方阵，O表示大小为m×(n-m)的全0矩阵；

利用D1x、Ux、Uy和D1y对测量值Y进行更新，得到更新后的测量值YSVD；

利用V1x对测量矩阵Φx进行优化、利用V1y对测量矩阵Φy进行优化，分别得到优化后的重建矩阵Φxs和Φys；

根据重建矩阵Φxs和稀疏基Ψ得到优化后的列传感矩阵Axs，根据重建矩阵Φys和稀疏基Ψ来得到优化后的行传感矩阵基于2DOMP算法，对所述更新后的测量值YSVD、优化后的列传感矩阵Axs以及优化后的行传感矩阵 进行处理，重建出原始二维稀疏信号的估计值。

2.如权利要求1所述的基于奇异值分解的二维正交匹配追踪优化算法，其特征在于，所述测量值Y的计算模型为：其中，Z表示稀疏系数，Ax表示未优化的列传感矩阵， 表示未优化的行传感矩阵。

3.如权利要求1所述的基于奇异值分解的二维正交匹配追踪优化算法，其特征在于，所述利用D1x、Ux、Uy和D1y对测量值Y进行更新，得到更新后的测量值YSVD，具体为：

4.如权利要求1所述的基于奇异值分解的二维正交匹配追踪优化算法，其特征在于，所述利用V1x对测量矩阵Φx进行优化、利用V1y对测量矩阵Φy进行优化，分别得到优化后的重建矩阵Φxs和Φys，具体为：

5.如权利要求1所述的基于奇异值分解的二维正交匹配追踪优化算法，其特征在于，所述基于2DOMP算法，对所述更新后的测量值YSVD、优化后的列传感矩阵Axs以及优化后的行传感矩阵 进行处理，重建出原始二维稀疏信号的估计值，包括：S101、初始化残差R＝YSVD、索引集合 即 Λ为存储找到的原子行列索引的集合，Λr为存储找到的原子行索引值，Λc为存储找到原子的列索引值，迭代次数t＝1；

S102、查找使得原子和残差R内积最大时的原子索引值(i,j)；

S103、更新索引集合Λr＝ΛrUi，Λc＝ΛcUj；

S104、利用最小二乘法计算稀疏信号的估计值 以使残差的Frobenius范数最小，得到新的信号近似 和 是存储按索引集Λr和Λc得到的原子集合，表示原子的加权系数；

S105、更新残差

S106、判断是否满足||R||0≤δ，δ表示停止迭代的阈值；

S107、若是，则停止迭代；

S108、若否，t＝t+1，并判断是否满足t≤K；

S109、若是，则执行步骤S102；

S110、若否，则停止循环。