MP算法（MatchingPursuit，匹配追踪算法）是一种用于信号处理的贪婪迭代算法，主要用于信号的稀疏表示和特征提取。该算法由StéphaneMallat和ZhifengZhang于1993年提出，广泛应用于信号处理、图像压缩和机器学习等领域。MP算法的核心思想是通过迭代方式从过完备字典（overcompletedictionary）中选择最能匹配信号残差的原子（atom），逐步逼近原始信号。在每一步迭代中，算法选择与当前残差信号最相关的字典原子，计算其投影系数，并更新残差信号。这一过程重复进行，直到达到预设的迭代次数或残差能量低于某个阈值。MP算法的主要优点包括计算效率较高、实现简单，并且能够自适应地选择最相关的原子。然而，它也存在一些缺点，例如可能陷入局部最优解，且收敛速度较慢。为了改进这些缺点，后续研究者提出了诸如OMP（OrthogonalMatchingPursuit，正交匹配追踪）等改进算法。MP算法在压缩感知、图像处理和语音识别等领域有重要应用，特别是在需要高效稀疏表示的场景中表现出色。
