【摘要】：壓縮感知理論中,信號(hào)稀疏度直接關(guān)系到采樣速率的設(shè)定以及觀測(cè)矩陣的構(gòu)造,而該先驗(yàn)信息往往受限.針對(duì)這一問題,本文從大維隨機(jī)矩陣譜分析理論出發(fā),分析了采樣協(xié)方差矩陣的極限特征值概率分布特征,并結(jié)合其與觀測(cè)信號(hào)能量的關(guān)系推導(dǎo)得到觀測(cè)信號(hào)能量與壓縮率、稀疏度和信噪比之間的對(duì)應(yīng)關(guān)系,提出一種基于觀測(cè)信號(hào)能量的稀疏度估計(jì)算法.相對(duì)于已有算法,該算法計(jì)算復(fù)雜度較低,且估計(jì)精度較好,并可通過增加采樣開銷進(jìn)一步提升稀疏度估計(jì)精度,仿真實(shí)驗(yàn)驗(yàn)證了本文算法的有效性.
[Abstract]:In the theory of compression sensing, the signal sparsity is directly related to the setting of sampling rate and the construction of observation matrix, but the prior information is often limited. In order to solve this problem, the probability distribution characteristics of the limit eigenvalue of the sampling covariance matrix are analyzed based on the theory of large dimensional random matrix spectrum analysis, and the energy and compression ratio of the observed signal are derived by combining the relationship between the probability distribution and the observed signal energy. Based on the relation between sparsity and SNR, a sparse estimation algorithm based on observed signal energy is proposed. Compared with the existing algorithms, the proposed algorithm has lower computational complexity and better estimation accuracy. It can further improve the accuracy of sparse degree estimation by increasing the sampling cost. The simulation results show that the proposed algorithm is effective.
【作者單位】： 信息工程大學(xué)信息系統(tǒng)工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金(No.61072046)
【分類號(hào)】：TN911.7

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 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

2 彭森;許飛云;賈民平;胡建中;;含稀疏度約束的非負(fù)張量分解算法及其在故障診斷中的應(yīng)用(英文)[J];Journal of Southeast University(English Edition);2009年03期

3 董政;葛臨東;鞏克現(xiàn);;基于壓縮采樣匹配追蹤的稀疏度和稀疏信道聯(lián)合估計(jì)[J];四川大學(xué)學(xué)報(bào)(工程科學(xué)版);2014年01期

4 馬原;呂群波;劉揚(yáng)陽;錢路路;裴琳琳;;基于主成分變換的圖像稀疏度估計(jì)方法[J];物理學(xué)報(bào);2013年20期

5 周亞同;張偉;楊瑞霞;;一維非均勻采樣信號(hào)可變稀疏度傅里葉重建算法研究[J];微電子學(xué)與計(jì)算機(jī);2012年07期

6 王平;阮懷林;樊甫華;陳小波;;基于壓縮感知超寬帶信號(hào)盲稀疏度信道估計(jì)[J];電訊技術(shù);2012年11期

7 朱延萬;趙擁軍;孫兵;;一種改進(jìn)的稀疏度自適應(yīng)匹配追蹤算法[J];信號(hào)處理;2012年01期

8 周亞同;王麗莉;唐紅梅;;基于壓縮感知的稀疏度自適應(yīng)圖像修復(fù)[J];鐵道學(xué)報(bào);2014年09期

9 楊成;馮巍;馮輝;楊濤;胡波;;一種壓縮采樣中的稀疏度自適應(yīng)子空間追蹤算法[J];電子學(xué)報(bào);2010年08期

10 安春燕;紀(jì)紅;李屹;張曉亮;;壓縮采樣中基于離散時(shí)間馬爾科夫鏈的動(dòng)態(tài)控制機(jī)制(英文)[J];Journal of Southeast University(English Edition);2012年03期

相關(guān)碩士學(xué)位論文 前5條

1 湯倩;基于字典學(xué)習(xí)和貪婪追蹤的數(shù)字圖像稀疏去噪[D];長(zhǎng)沙理工大學(xué);2014年

2 李�？�;基于壓縮感知的圖像復(fù)原[D];昆明理工大學(xué);2016年

3 陳世姣;盲稀疏度的CS前向預(yù)測(cè)算法及其在稀疏結(jié)構(gòu)信號(hào)中的應(yīng)用[D];華南理工大學(xué);2013年

4 任淼;Directionlets格型實(shí)現(xiàn)及其在CS稀疏度和觀測(cè)維數(shù)估計(jì)中的應(yīng)用[D];華南理工大學(xué);2011年

5 劉京川;基于稀疏度檢測(cè)的寬帶壓縮頻譜感知方法研究[D];北京郵電大學(xué);2013年

，

本文編號(hào)：2298287