当前用于信号稀疏表示的流行词典学习算法是K均值奇异值分解（K-SVD）和K-SVD扩展。 一次仅使用rank-1逼近来更新一个原子，并且无法有效应对大型词典。 为了解决这两个问题，本研究提出了M-主成分分析-N（M-PCA-N），这是一种用于字典学习和稀疏表示的算法。 首先，M主成分分析（M-PCA）利用来自SVD分解的前M个等级的信息来一次更新M个原子。 然后，为了进一步利用剩余等级中的信息，通过将来自随后的N个非主要等级的信息转换为前M个主要等级，在M-PCA的基础上提出了M-PCA-N。