本文關鍵詞：1比特壓縮感知中的信號重構(gòu)方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：壓縮感知利用信號的稀疏性,在遠低于Nyquist采樣率的情況下,隨機獲取少量的測量值,然后通過非線性重構(gòu)算法進行高精度的重構(gòu)。而1比特壓縮感知理論在壓縮感知理論模型的基礎上,僅僅保留測量值的符號,通過增加測量次數(shù)來達到信號的精確重構(gòu)。本文以1比特壓縮感知理論體系為研究對象,研究了符號匹配追蹤算法和二進制迭代硬閾值算法,并針對其缺點和不足進行了改進。其具體的的工作主要包括以下幾個方面:1、以壓縮感知和1比特壓縮感知理論為研究模型,并對其三個主要方面進行了闡述:信號的稀疏表達、觀測矩陣的設計、重構(gòu)算法的研究。同時對壓縮感知理論的一個分支1比特壓縮感知模型進行了深入研究,該模型對信號測量值進行1比特的量化,取其符號值然后通過重構(gòu)算法來進行信號的重構(gòu)。2、提出了向前向后符號匹配追蹤算法。該算法在基于符號匹配追蹤算法的基礎上,將FBP算法的支撐集搜索模式引入到符號匹配追蹤算法當中去,提出了向前向后符號匹配追蹤算法,旨在解決稀疏度未知情況下的信號自適應重構(gòu)。實驗表明,提出的向前向后符號匹配追蹤算法不僅能實現(xiàn)信號的盲重構(gòu),同時降低了算法的運行時間。3、提出了塊稀疏二進制迭代硬閾值算法。該算法將塊稀疏模型引入到二進制迭代硬閾值算法中,提出了BLOCK-BIHT算法,算法通過以每一個塊為單位,對塊信號進行分塊處理,降低了信號的稀疏度,保留了信號本身固有的結(jié)構(gòu),使得算法的計算次數(shù)降低了。實驗表明,低比特情況下,BLOCK-BIHT算法相比BIHT算法具有更高的重構(gòu)精度。
【關鍵詞】：信號處理 壓縮感知 1比特 符號匹配追蹤 二進制迭代硬閾值
【學位授予單位】：電子科技大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TN911.7

【參考文獻】

中國碩士學位論文全文數(shù)據(jù)庫 前1條

1 李小波;基于壓縮感知的測量矩陣研究[D];北京交通大學;2010年

  本文關鍵詞：1比特壓縮感知中的信號重構(gòu)方法研究，，由筆耕文化傳播整理發(fā)布。

本文編號：478079