發(fā)布時(shí)間：2020-02-18 22:14

【摘要】：壓縮感知(Compressive Sensing, CS)理論的出現(xiàn)克服了奈奎斯特采樣定理下采樣速率受制于帶寬的局限性,在該理論下,信號的采樣速率僅由信號本征的內(nèi)容及結(jié)構(gòu)所決定,即便采樣速率遠(yuǎn)低于奈奎斯特采樣頻率,也能夠?qū)崿F(xiàn)原始信號的高概率重構(gòu),壓縮感知的核心理論可劃分為三部分：信號稀疏化、測量矩陣的選擇設(shè)計(jì)以及重構(gòu)算法,本文將圍繞貝葉斯壓縮感知(Bayesian Compressive Sensing, BCS)深入研究重構(gòu)算法性能差異以及測量矩陣的選擇對于重構(gòu)結(jié)果的影響。 貝葉斯壓縮感知能夠有效處理有噪聲的壓縮感知,可分為兩大類：一類是利用稀疏矩陣的稀疏重構(gòu)算法,主要得益于低密度校驗(yàn)(Low-density parity-check, LDPC)碼的普及和應(yīng)用；另一類則是稀疏貝葉斯學(xué)習(xí)算法,采用支持矢量機(jī)(Support Vector Machine, SVM)的機(jī)制進(jìn)行稀疏線形回歸。 在研究貝葉斯壓縮感知中,本文的主要工作有： 1)以貪婪匹配追蹤算法為例,分析了傳統(tǒng)壓縮感知的重構(gòu)過程,指出貪婪算法的不足；研究了基于貝葉斯的壓縮感知的基本模型和理論方法。 2)給出一種基于迭代支持檢測的貝葉斯壓縮感知重構(gòu)算法,即BCS_ISD (Bayesian Compressive Sensing via Iterative Support Detection),具體研究了低密度校驗(yàn)碼在壓縮感知中的應(yīng)用,用LDPC編碼對測量矩陣進(jìn)行優(yōu)化改進(jìn),結(jié)合貝葉斯框架實(shí)現(xiàn)原始信號支持集的檢測重構(gòu),基于重構(gòu)的支持集利用最小均方誤差(Minimum Mean Square Error, MMSE)重構(gòu)原始信號,最后列出相關(guān)的仿真實(shí)驗(yàn)結(jié)果并給予分析。 3)研究稀疏貝葉斯學(xué)習(xí)理論下典型的快速貝葉斯匹配追蹤算法(Fast Bayesian Matching Pursuit, FBMP),它能夠快速估計(jì)貝葉斯模型的平均誤差和最小均方誤差,使用FBMP在貝葉斯框架下能夠獲取一組高后驗(yàn)概率的集合,假定稀疏系數(shù)服從混合高斯分布,仿真分析該算法與傳統(tǒng)貪婪算法的性能差異,最后將稀疏矩陣的概念引入到FBMP中,實(shí)現(xiàn)算法的改進(jìn)和性能提升。
【學(xué)位授予單位】：安徽大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TN911.7

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 焦李成;楊淑媛;劉芳;侯彪;;壓縮感知回顧與展望[J];電子學(xué)報(bào);2011年07期

2 何巖;王東輝;朱淼良;;貝葉斯壓縮感知稀疏信號重構(gòu)方法研究[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年S2期

相關(guān)博士學(xué)位論文 前2條

1 孫璇;基于壓縮感知的認(rèn)知無線電頻譜感知算法研究[D];北京郵電大學(xué);2012年

2 張格森;壓縮傳感理論及若干應(yīng)用技術(shù)研究[D];哈爾濱工程大學(xué);2012年

，

本文編號：2580825