本文選題：壓縮感知(CS) + 自適應(yīng)��； 參考：《北京航空航天大學(xué)學(xué)報(bào)》2017年10期

【摘要】：壓縮感知(CS)能夠突破Nyquist采樣定理的瓶頸,使得高分辨率信號(hào)采集成為可能。重構(gòu)算法是壓縮感知中最為關(guān)鍵的部分,迭代貪婪算法是其中比較重要的研究方向。對(duì)壓縮感知理論進(jìn)行了詳細(xì)分析,并在現(xiàn)有重構(gòu)算法的基礎(chǔ)上提出了一種新的迭代貪婪算法——正則化稀疏度變步長(zhǎng)自適應(yīng)匹配追蹤(RSVss AMP)算法,可在信號(hào)稀疏度未知的情況下,結(jié)合正則化和步長(zhǎng)自適應(yīng)變化思想,快速精確地進(jìn)行重構(gòu)。相比于傳統(tǒng)迭代貪婪算法,本文算法不依賴(lài)于信號(hào)稀疏度,并且應(yīng)用正則化以確保選取支撐集的正確性。此外,應(yīng)用自適應(yīng)變化步長(zhǎng)代替固定步長(zhǎng),能夠提高重構(gòu)速率,而且達(dá)到更高的精度。為了驗(yàn)證本文算法的正確性,選取高斯稀疏信號(hào)和離散稀疏信號(hào)分別進(jìn)行仿真,并與現(xiàn)有算法進(jìn)行比較。仿真結(jié)果表明,本文算法相比于現(xiàn)有算法可以實(shí)現(xiàn)更加精確快速的重構(gòu)。
[Abstract]:Compression sensing (CS) can break through the bottleneck of Nyquist sampling theorem and make high resolution signal acquisition possible. The reconstruction algorithm is the most important part of compression perception, and iterative greedy algorithm is one of the most important research directions. The theory of compression perception is analyzed in detail, and a new iterative greedy algorithm, regularized sparse variable step size adaptive matching tracing (RSVss AMP) algorithm, is proposed on the basis of existing reconstruction algorithms, which can be used in the case of unknown signal sparsity. Combined with the idea of regularization and adaptive change of step size, the reconstruction is carried out quickly and accurately. Compared with the traditional iterative greedy algorithm, the algorithm does not depend on the signal sparsity and applies regularization to ensure the correctness of the selection support set. In addition, using adaptive variable step instead of fixed step can improve the reconstruction rate and achieve higher accuracy. In order to verify the correctness of this algorithm, Gao Si sparse signal and discrete sparse signal are selected for simulation, and compared with the existing algorithms. Simulation results show that the proposed algorithm is more accurate and faster than the existing algorithms.
【作者單位】： 北京航空航天大學(xué);北京航空航天大學(xué)電子信息工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金(91438116) 中國(guó)航天科技創(chuàng)新基金(2016-1-107)~~
【分類(lèi)號(hào)】：TN911.7

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 尚曉清;楊琳;趙志龍;;基于非凸正則化項(xiàng)的合成孔徑雷達(dá)圖像分割新算法[J];光子學(xué)報(bào);2012年09期

2 徐彥田;程鵬飛;蔡艷輝;王華;任紀(jì)慶;;通過(guò)正則化實(shí)現(xiàn)整周模糊度快速搜索[J];全球定位系統(tǒng);2009年03期

3 吳曉歡;劉智威;朱衛(wèi)平;;一種壓縮感知中的改進(jìn)的正則化牛頓算法[J];南京郵電大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年03期

4 付寧;喬立巖;曹離;;面向壓縮感知的塊稀疏度自適應(yīng)迭代算法[J];電子學(xué)報(bào);2011年S1期

5 田文飚;芮國(guó)勝;;平滑零范數(shù)稀疏度約束下的盲稀疏回溯重構(gòu)算法[J];宇航學(xué)報(bào);2013年03期

6 余昕,楊綠溪,鄒采榮;基于確定性約束和局部空間自適應(yīng)正則化的圖像盲復(fù)原算法[J];數(shù)據(jù)采集與處理;2002年02期

7 楊勃;卜英勇;;基于鑒別流形正則化最小二乘分類(lèi)的鈷結(jié)殼超聲識(shí)別[J];電子學(xué)報(bào);2011年02期

8 安德烈V·謝門(mén)尼亞卡;戴維I·列克霍維特斯基;德米特洛S·拉切科夫;;多結(jié)構(gòu)特征高斯干擾協(xié)方差矩陣估算的帶狀對(duì)角線(xiàn)正則化(英文)[J];雷達(dá)科學(xué)與技術(shù);2012年04期

9 劉強(qiáng)生,吳樂(lè)南;競(jìng)爭(zhēng)匹配追蹤算法(英文)[J];Journal of Southeast University(English Edition);2002年01期

10 李靜;陳華偉;;基于正則化約束最小二乘的穩(wěn)健頻率不變波束形成器設(shè)計(jì)方法[J];數(shù)據(jù)采集與處理;2012年02期

相關(guān)會(huì)議論文 前4條

1 陸媛媛;宋煒;左佳卉;李亭;;基于改進(jìn)匹配追蹤的子波特征能量氣藏檢測(cè)方法[A];中國(guó)地球物理2013——第十九專(zhuān)題論文集[C];2013年

2 李輝;;面向圖像視頻編碼的多規(guī)模匹配追蹤圖像表達(dá)法[A];信息科學(xué)與微電子技術(shù):中國(guó)科協(xié)第三屆青年學(xué)術(shù)年會(huì)論文集[C];1998年

3 于勇凌;張海燕;馬世偉;;改進(jìn)的chirplet匹配追蹤在Lamb波信號(hào)時(shí)頻分析中的應(yīng)用[A];融合與創(chuàng)新：新世紀(jì)物理聲學(xué)的發(fā)展——二零一二年度全國(guó)物理聲學(xué)會(huì)議論文集[C];2012年

4 高建虎;陳杰;張履謙;;基于壓縮感知和EMD的SAR海洋內(nèi)波探測(cè)方法[A];第九屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集Ⅱ[C];2011年

相關(guān)博士學(xué)位論文 前3條

1 楊成;壓縮采樣中匹配追蹤約束等距性分析及其應(yīng)用[D];復(fù)旦大學(xué);2011年

2 曾春艷;匹配追蹤的最佳原子選擇策略和壓縮感知盲稀疏度重建算法改進(jìn)[D];華南理工大學(xué);2013年

3 楊瑞明;基于壓縮采樣的比幅測(cè)向方法研究[D];電子科技大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 程以泰;基于壓縮感知的OFDM系統(tǒng)信道估計(jì)算法研究[D];天津工業(yè)大學(xué);2017年

2 楊盼;壓縮感知中改進(jìn)的匹配追蹤類(lèi)算法研究[D];安徽大學(xué);2016年

3 李明;匹配追蹤在環(huán)境聲音事件識(shí)別中的應(yīng)用研究[D];福州大學(xué);2013年

4 歐陽(yáng)楨;優(yōu)化的匹配追蹤用于生態(tài)聲音識(shí)別[D];福州大學(xué);2014年

5 任曉馨;壓縮感知貪婪匹配追蹤類(lèi)重建算法研究[D];北京交通大學(xué);2012年

6 校午陽(yáng);基于多通道匹配追蹤算法的時(shí)頻分析研究及在腦電信號(hào)處理中的應(yīng)用[D];天津醫(yī)科大學(xué);2012年

7 李亞文;遺傳匹配追蹤算法的研究與改進(jìn)[D];江南大學(xué);2011年

8 朱姍姍;壓~.感知廣義正交匹配追蹤算法的研究[D];安徽大學(xué);2015年

9 王方非;基于樹(shù)形結(jié)構(gòu)回溯正交匹配追蹤的稀疏恢復(fù)算法研究[D];北京交通大學(xué);2012年

10 屈冉;壓縮感知算法及其應(yīng)用研究[D];南京郵電大學(xué);2013年

，

本文編號(hào)：2090654