本文關(guān)鍵詞：稀疏信號(hào)壓縮感知重構(gòu)算法研究

  更多相關(guān)文章： 壓縮感知 亞奈奎斯特采樣 調(diào)制寬帶轉(zhuǎn)換器 貪婪算法 改進(jìn)正交匹配追蹤算法

【摘要】：傳統(tǒng)的奈奎斯特采樣要求采樣頻率是信號(hào)帶寬的兩倍以上,對(duì)稀疏多頻帶信號(hào)采樣會(huì)造成采樣頻率高,數(shù)據(jù)量大,浪費(fèi)傳輸和存儲(chǔ)資源。壓縮感知從分析信號(hào)結(jié)構(gòu)出發(fā),利用信號(hào)的稀疏特性,在采樣率遠(yuǎn)小于Nyquist采樣率的條件下,用隨機(jī)采樣獲取信號(hào)的離散樣本,然后通過(guò)非線性恢復(fù)算法重建信號(hào)。壓縮感知將信號(hào)采樣和壓縮同時(shí)進(jìn)行,可有效降低采樣頻率和數(shù)據(jù)量,減少信息冗余,節(jié)省存儲(chǔ)空間。壓縮感知理論的核心內(nèi)容(1)信號(hào)的稀疏表示：(2)測(cè)量矩陣的構(gòu)造；(3)重構(gòu)算法的設(shè)計(jì)；稀疏表示是壓縮感知的前提,構(gòu)造和選擇測(cè)量矩陣,有利于重構(gòu)算法的設(shè)計(jì)實(shí)現(xiàn)；重構(gòu)算法設(shè)計(jì)是關(guān)鍵部分。稀疏表示、測(cè)量矩陣構(gòu)造、重構(gòu)算法設(shè)計(jì),三者環(huán)環(huán)相扣,缺一不可。本文主要研究稀疏信號(hào)的壓縮感知重構(gòu)算法。論文首先簡(jiǎn)要回顧壓縮感知理論,介紹信號(hào)的稀疏表示、測(cè)量矩陣構(gòu)造和重構(gòu)算法。然后,介紹常用的亞奈奎斯特采樣系統(tǒng),即多陪集采樣(MC)、隨機(jī)解調(diào)器(RD)、調(diào)制寬帶轉(zhuǎn)換器(MWC),并重點(diǎn)介紹MWC；論文重點(diǎn)研究壓縮感知恢復(fù)算法,即正交匹配追蹤(OMP)算法、正則化正交匹配追蹤(ROMP)算法、壓縮采樣匹配追蹤(CoSaMP)算法,并在OMP算法基礎(chǔ)上,提出一種新的算法-改進(jìn)正交匹配追蹤(IOMP)算法。本文詳細(xì)給出了上述四種算法的算法步驟、流程圖等。利用Matlab仿真平臺(tái),對(duì)上述算法進(jìn)行仿真分析,實(shí)驗(yàn)結(jié)果表明,論文提出的IOMP算法的重構(gòu)性能較好,能實(shí)現(xiàn)精確重構(gòu)。
【關(guān)鍵詞】：壓縮感知 亞奈奎斯特采樣 調(diào)制寬帶轉(zhuǎn)換器 貪婪算法 改進(jìn)正交匹配追蹤算法
【學(xué)位授予單位】：云南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TN911.7
【目錄】：

• 摘要3-4
• Abstract4-8
• 第一章 緒論8-11
• 1.1 引言8-9
• 1.2 壓縮感知研究現(xiàn)狀9-10
• 1.3 論文結(jié)構(gòu)安排10-11
• 第二章 壓縮感知11-21
• 2.1 基礎(chǔ)知識(shí)回顧11-12
• 2.2 信號(hào)的稀疏表示12-15
• 2.3 測(cè)量矩陣的構(gòu)造15-18
• 2.4 信號(hào)的重構(gòu)18-19
• 2.5 壓縮感知的應(yīng)用19-20
• 2.6 壓縮感知理論的不足之處20-21
• 第三章 調(diào)制寬帶轉(zhuǎn)換器21-34
• 3.1 稀疏多頻帶信號(hào)模型21-22
• 3.2 多陪集采樣22-24
• 3.3 隨機(jī)解調(diào)器24-25
• 3.3.1 隨機(jī)解調(diào)器的隨機(jī)序列25
• 3.4 調(diào)制寬帶轉(zhuǎn)換器25-34
• 3.4.1 偽隨機(jī)序列27-28
• 3.4.2 實(shí)際應(yīng)用28-29
• 3.4.3 數(shù)學(xué)模型29-32
• 3.4.4 頻域模型32-34
• 第四章 壓縮感知重構(gòu)算法34-51
• 4.1 算法綜述34-35
• 4.2 凸松弛算法35
• 4.3 貪婪算法35-51
• 4.3.1 匹配追蹤算法35-37
• 4.3.2 正交匹配追蹤算法37-40
• 4.3.3 正則化正交匹配追蹤算法40-44
• 4.3.4 壓縮采樣匹配追蹤算法44-47
• 4.3.5 改進(jìn)正交匹配追蹤算法47-51
• 第五章 實(shí)驗(yàn)結(jié)果分析51-65
• 5.1 實(shí)驗(yàn)流程圖51
• 5.2 參數(shù)設(shè)置51-53
• 5.3 正交匹配追蹤算法的仿真53-55
• 5.4 正則化正交匹配追蹤算法的仿真55-57
• 5.5 壓縮采樣匹配追蹤算法的仿真57-59
• 5.6 改進(jìn)正交匹配追蹤算法的仿真59-61
• 5.7 對(duì)比分析61-65
• 5.7.1 運(yùn)行時(shí)間61
• 5.7.2 重構(gòu)誤差61-64
• 5.7.3 重構(gòu)成功次數(shù)64-65
• 第六章 總結(jié)與展望65-66
• 參考文獻(xiàn)66-70
• 讀碩期間參加的科研項(xiàng)目及發(fā)表學(xué)術(shù)論文70-71
• 致謝71

，

本文編號(hào)：1135557