隨著氣象行業(yè)的飛速發(fā)展,氣象數(shù)據(jù)發(fā)生爆炸式增長,傳統(tǒng)的奈奎斯特采樣定律也隨之暴露了些許缺點。壓縮感知理論解決了其采樣率需要大于信號帶寬兩倍的缺陷,壓縮感知可使用低采樣率對信號進行采樣并將壓縮采樣一體化。傳統(tǒng)的壓縮感知算法對氣象數(shù)據(jù)進行處理,需要一個能將整個原始信號進行觀測的觀測矩陣。為了解決這個問題,本文采用了分塊壓縮感知,該算法解決了觀測矩陣的問題并且由于分塊還降低了重構算法的復雜度。分塊壓縮感知算法對每塊圖像塊采用相同的采樣率,但是不同圖像塊之間的信息量是不同的,對每塊圖像塊采用相同的采樣率明顯造成了資源上的分配不合理,本文對此進行了以下改進:（1）對于圖像塊之間信息量差距大的氣象數(shù)據(jù),本文采用了采樣率自適應算法。衡量圖像塊信息量多少的方法為計算該圖像塊的紋理復雜度。由于壓縮感知是在不知道圖像為前提進行壓縮采樣,對此本文采用了預觀測方法獲取預估計圖像,采樣率分配就是通過預估計圖像進行計算。該算法提高了該類氣象數(shù)據(jù)的重構效果但同時也造成了計算復雜度的增加。（2）對于圖像塊之間信息量差距不大的氣象數(shù)據(jù),本文采用了自適應分塊算法。衡量圖像塊信息量和預估計圖像獲取的方法如上述算法一樣,不同... 

【文章來源】：華北水利水電大學河南省

【文章頁數(shù)】：72 頁

【學位級別】：碩士

【部分圖文】：

壓縮感知中觀測向量的表示Fig.2-3Representationofobservationvectorsincompressedsensing

華北水利水電大學碩士學位論文14差距也存在巨大差異，又加入一張夜晚照片增加說服力。共4張，分別命名為Full，F(xiàn)ull-C,Part,Part-Night。如下：(1)Full(2)Full-C(2)Part(3)Part-Night圖2-5氣象數(shù)據(jù)的四個圖像命名Fig.2-5Fourimagesnamedformeteorologicaldata表2-1OMP重構算法下的PSNR/dbTab.2-1PSNRunderOMPreconstructionalgorithmPSNR采樣率0.20.30.40.50.6Full7.3513.5518.2820.9723.07Full-C5.1614.7019.9221.9724.30Part4.8118.3925.2527.5230.35Part-Night12.9219.9023.0927.2229.26

華北水利水電大學碩士學位論文16(5)采樣率為0.5，PSNR=20.97，t=4.85(6)采樣率為0.6，PSNR=23.07，t=6.74圖2-6Full在OMP不同采樣率下重構圖像Fig.2-6FullreconstructsimagesatdifferentOMPsamplingrates根據(jù)表2-1和2-2的結果可知，采用OMP作為重構算法，所有類型的氣象數(shù)據(jù)都隨著采樣率的增加重構效果也越來越好，但隨之重構所需要的時間也隨著增加。三種類型圖像中的Part類型重構效果明顯高于其他兩種圖像類型。圖2-3可以看出在采樣率低時，重構圖像根本無法看出圖片信息，在采樣率低于0.4以下，圖像效果極差。綜上所述，OMP適合高采樣時使用，在采樣率設定為低采樣時，并不適合，氣象數(shù)據(jù)的Part類型相比于其他類型更適合本算法。稀疏度自適應匹配算法(SAMP)SAMP算法跟OMP算法一樣也是對匹配追蹤算法的一種改良，不同于OMP算法的是，SAMP不需要提前知道稀疏度K就可以進行�，F(xiàn)實中信號的稀疏度是不是確定的，稀疏度低迭代次數(shù)少，稀疏度高迭代次數(shù)會過多。只需要設定步長是具有應用優(yōu)勢的。用于表示壓縮感知的符號如上文一致，表示傳感矩陣的第列；表示上一次迭代更新的殘差，第一次殘差值為觀測值;()索引的列序號；為索引列的合集；表示傳感矩陣列序號為的集合；支撐集為F，大小為L;輸入：傳感矩陣,大小為×；觀測值,大小為×1；步長為b，最多迭代次數(shù)D；輸出：近似稀疏稀疏矩陣Θ，大小為×1第一步：初始化0=，0=,0=,=1第二步：最大相關匹配原則找出與傳感矩陣最為匹配的原子其前L個的列序號集合

【參考文獻】：
期刊論文
[1]基于相位補償?shù)牡V井超寬帶雷達壓縮感知成像算法[J]. 郭繼坤,趙清,陳司晗.  煤炭科學技術. 2020(01)
[2]釓塞酸二鈉與釓特酸葡胺：通過壓縮感知MR成像技術定量評估呼吸及血流動力學指標[J]. C.G. Glessgen,M. Moor,B. Stieltjes,D.J. Winkel,T.K. Block,E.M.Merkle,沈棖.  國際醫(yī)學放射學雜志. 2020(01)
[3]基于壓縮感知的醫(yī)學圖像重建方法[J]. 張國平,牟忠德.  生物醫(yī)學工程學進展. 2019(04)
[4]基于顯著性的自適應分塊壓縮感知算法[J]. 祝勇俊,劉文波,沈騫,徐夢瑩.  電光與控制. 2019(12)
[5]基于壓縮感知的φ-OTDR系統(tǒng)信號處理[J]. 鄭亮,喬小瑞,王瑛劍.  通信技術. 2019(09)
[6]基于CEEMD-Elman耦合模型的年降水量預測[J]. 張先起,胡登奎,劉斐.  華北水利水電大學學報(自然科學版). 2019(04)
[7]壓縮感知測量矩陣綜述[J]. 宋夢蝶.  電視技術. 2019(06)
[8]一種基于壓縮感知的衛(wèi)星圖像觀測矩陣優(yōu)化[J]. 張擇書,郭永飛.  長春理工大學學報(自然科學版). 2018(04)
[9]應用壓縮感知的無線傳感器網(wǎng)絡信號處理[J]. 王海榮.  山西電子技術. 2018(04)
[10]基于灰色模糊理論的航測無人機飛行安全風險評價[J]. 聶相田,施楠,范天雨,王博.  華北水利水電大學學報(社會科學版). 2018(03)

博士論文
[1]基于自適應稀疏表示的壓縮感知MRI算法研究[D]. 樊曉宇.燕山大學 2019
[2]壓縮感知算法在雷達成像中的應用研究[D]. 徐建平.電子科技大學 2012

碩士論文
[1]分塊壓縮感知改進算法在圖像重構中的應用研究[D]. 周昌順.貴州大學 2019
[2]基于混沌理論的壓縮感知測量矩陣的研究[D]. 韓公飛.哈爾濱工程大學 2018
[3]基于圖像特征的自適應分塊壓縮感知的研究[D]. 吳睿.電子科技大學 2018
[4]基于壓縮感知的圖像壓縮重構FPGA實現(xiàn)[D]. 李臣.哈爾濱工程大學 2018
[5]自適應壓縮感知圖像編碼算法研究[D]. 馬利靜.北京交通大學 2017
[6]壓縮感知的測量矩陣與圖像融合應用研究[D]. 李旭帥.中國科學技術大學 2016
[7]基于壓縮感知理論的雷達圖像壓縮處理[D]. 劉思宇.大連海事大學 2016
[8]基于自適應采樣率的視頻壓縮感知方案研究[D]. 左覓文.廣西大學 2015
[9]基于壓縮感知的氣象傳感網(wǎng)數(shù)據(jù)融合技術研究[D]. 吉書強.南京信息工程大學 2015
[10]基于壓縮感知的雷達信號偵察處理[D]. 李婷.西安電子科技大學 2012



本文編號：3130902