本文關(guān)鍵詞： 自適應(yīng)壓縮感知 觀測矩陣優(yōu)化 觀測信噪比 特征分解 Gram矩陣　出處：《計算機(jī)應(yīng)用》2017年12期 　論文類型：期刊論文

【摘要】：為提高傳統(tǒng)壓縮感知(CS)恢復(fù)算法的抗噪性能,結(jié)合觀測矩陣優(yōu)化和自適應(yīng)觀測的思想,提出一種自適應(yīng)壓縮感知(ACS)算法。該算法將觀測能量全部分配在由傳統(tǒng)CS恢復(fù)算法估計的支撐位置,由于估計支撐集中包含支撐位置,這樣可有效提高觀測信噪比(SNR);再從優(yōu)化觀測矩陣的角度推導(dǎo)出最優(yōu)的新觀測向量,即其非零部分設(shè)計為Gram矩陣的特征向量。仿真結(jié)果表明,隨著觀測數(shù)增大,Gram矩陣非對角元素的能量增速小于傳統(tǒng)CS算法,并且分別在觀測次數(shù)、稀疏度和SNR相同的條件下,所提算法的重構(gòu)歸一化均方誤差低于傳統(tǒng)CS恢復(fù)算法10 d B以上,低于典型的貝葉斯方法 5 d B以上。分析表明,所提自適應(yīng)觀測機(jī)制可有效提高傳統(tǒng)CS恢復(fù)算法的能量利用效率和抗噪性能。
[Abstract]:In order to improve the anti-noise performance of the traditional compression sensing (CSM) restoration algorithm, the idea of optimization of observation matrix and adaptive observation is combined. An adaptive compression sensing (ACS) algorithm is proposed, in which the observed energy is allocated to the support position estimated by the traditional CS recovery algorithm, because the estimated support set contains the support position. In this way, the SNR can be improved effectively. From the point of view of optimizing observation matrix, the optimal new observation vector is derived, that is, the non-zero part of the vector is designed as the eigenvector of Gram matrix. The simulation results show that with the increase of the number of observations. The energy growth rate of non-diagonal elements of Gram matrix is smaller than that of traditional CS algorithm, and the observed times, sparsity and SNR are the same. The normalized mean square error of the proposed algorithm is lower than that of the traditional CS recovery algorithm above 10 dB and the typical Bayesian method above 5 dB. The proposed adaptive observation mechanism can effectively improve the energy utilization efficiency and anti-noise performance of the traditional CS recovery algorithm.
【作者單位】： 重慶郵電大學(xué)通信與信息工程學(xué)院;移動通信技術(shù)重慶市重點(diǎn)實(shí)驗室(重慶郵電大學(xué));
【分類號】：TN911.7
【正文快照】： 0引言壓縮感知(Compressed Sensing,CS)[1-3]技術(shù)因其高效的信息采樣機(jī)制,已被廣泛應(yīng)用到信道估計、神經(jīng)網(wǎng)絡(luò)、雷達(dá)信號處理、核磁共振成像等領(lǐng)域。傳統(tǒng)壓縮感知技術(shù)采用非自適應(yīng)的觀測過程,即通過預(yù)先設(shè)計觀測矩陣并對信號進(jìn)行一次性觀測,觀測向量的能量均勻分配,這樣做使得

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉敘含;申曉紅;姚海洋;鄧欣;;基于帳篷混沌觀測矩陣的圖像壓縮感知[J];傳感器與微系統(tǒng);2014年09期

2 王韋剛;楊震;顧彬;胡海峰;;基于觀測矩陣優(yōu)化的自適應(yīng)壓縮頻譜感知[J];通信學(xué)報;2014年08期

3 王俠;王開;王青云;梁瑞宇;左加闊;趙力;鄒采榮;;壓縮感知中的確定性隨機(jī)觀測矩陣構(gòu)造[J];信號處理;2014年04期

4 寧萬正;王海燕;申曉紅;蔣世全;王璇;;一種自適應(yīng)觀測矩陣下的信號重構(gòu)算法[J];計算機(jī)應(yīng)用研究;2011年09期

5 王軍華;黃知濤;周一宇;王豐華;;壓縮感知理論中的廣義不相關(guān)性準(zhǔn)則[J];信號處理;2012年05期

6 肖小潮;鄭寶玉;王臣昊;;一種基于最優(yōu)觀測矩陣的自適應(yīng)貝葉斯壓縮信道感知聯(lián)合機(jī)制[J];電子與信息學(xué)報;2012年10期

7 劉永紅,王宏禹;時間和頻率二維自適應(yīng)的錐形核時頻表示[J];電子科學(xué)學(xué)刊;1998年02期

8 盧雁;吳盛教;趙文強(qiáng);;壓縮感知理論綜述[J];計算機(jī)與數(shù)字工程;2012年08期

9 萬俊偉,盧錫城;層次視頻多播中的自適應(yīng)[J];計算機(jī)工程與科學(xué);2000年05期

10 李熔;;基于截尾估計的概率估計方法[J];計算機(jī)技術(shù)與發(fā)展;2014年02期

相關(guān)會議論文 前1條

1 顧國生;戰(zhàn)蔭偉;;一種混沌序列在壓縮感知觀測矩陣構(gòu)造中的應(yīng)用[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2010年

相關(guān)博士學(xué)位論文 前6條

1 趙玉娟;壓縮感知和矩陣填充及其在信號處理中應(yīng)用的研究[D];南京郵電大學(xué);2015年

2 姚世紅;壓縮感知若干關(guān)鍵問題研究[D];武漢大學(xué);2015年

3 孫晶明;壓縮感知中觀測矩陣的研究[D];華中科技大學(xué);2013年

4 丁麗;MIMO雷達(dá)稀疏成像的失配問題研究[D];中國科學(xué)技術(shù)大學(xué);2014年

5 沈云;基于自適應(yīng)流媒體的信道編碼技術(shù)、傳輸機(jī)制以及QoE評價模型的研究[D];北京郵電大學(xué);2015年

6 張京超;稀疏多頻帶信號壓縮采樣方法研究[D];哈爾濱工業(yè)大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 劉莎;壓縮感知中觀測矩陣的構(gòu)造及優(yōu)化方法研究[D];東北大學(xué);2013年

2 王哲;基于稀疏重構(gòu)的SAR成像技術(shù)研究[D];西安電子科技大學(xué);2014年

3 鳳宏哲;高分辨SAR稀疏目標(biāo)成像研究[D];西安電子科技大學(xué);2014年

4 朱海梁;壓縮感知接收機(jī)關(guān)鍵技術(shù)研究[D];西安電子科技大學(xué);2014年

5 李繼樓;壓縮感知觀測矩陣優(yōu)化與信號重建算法研究[D];南京郵電大學(xué);2015年

6 熊波;基于壓縮感知的觀測矩陣構(gòu)造方法及性能研究[D];湖南師范大學(xué);2016年

7 任建新;認(rèn)知無線電網(wǎng)絡(luò)中稀疏優(yōu)化算法研究[D];中南民族大學(xué);2015年

8 彭亞;觀測矩陣自適應(yīng)及其在寬帶頻譜感知中的應(yīng)用研究[D];南京航空航天大學(xué);2016年

9 金莉;基于隱空間稀疏的非線性壓縮感知理論研究[D];西安電子科技大學(xué);2015年

10 崔興梅;基于壓縮感知的聲頻信號處理及應(yīng)用[D];南京理工大學(xué);2017年

，

本文編號：1447442