本文關(guān)鍵詞：基于稀疏性的相位復(fù)原研究，由筆耕文化傳播整理發(fā)布。

【摘要】：相位信息中通常攜帶著有關(guān)于物體結(jié)構(gòu)的重要信息,目前的探測器還只能接收到物體在某種射線照射下的衍射光數(shù)據(jù),會(huì)導(dǎo)致物體的相位信息丟失。針對相位復(fù)原的算法已經(jīng)有很多的研究,并且在實(shí)踐中得到了應(yīng)用。本文中對GS相位復(fù)原算法、混合輸入輸出算法(HIO)和求解強(qiáng)度傳輸方程方法的基本原理進(jìn)行了分析,主要分析了GS算法、HIO算法、強(qiáng)度傳輸方程法求解相位復(fù)原問題的基本原理和基本步驟,通過實(shí)驗(yàn)分析了初始相位對復(fù)原結(jié)果的影響并且比較了3種相位復(fù)原相位算法最終的復(fù)原效果。稀疏表示理論是稀疏性相位復(fù)原的基礎(chǔ),因此,首先對其進(jìn)行了介紹。然后,對壓縮感知理論進(jìn)行了介紹。尤其對壓縮感知理論中的稀疏分解和稀疏重構(gòu)算法進(jìn)行了重點(diǎn)分析,最后實(shí)驗(yàn)比較了幾種壓縮感知算法的效果,并對實(shí)驗(yàn)結(jié)果進(jìn)行了分析。最后將壓縮感知算法與相位復(fù)原算法進(jìn)行了整合,首先將信號(hào)的相位信息去掉然后利用壓縮感知的稀疏采樣算法得到?jīng)]有相位信息的采樣數(shù)據(jù),然后在稀疏重構(gòu)算法中引入了迭代相位復(fù)原算法,利用這樣的改造算法可以將在稀疏采樣中得到的無相位的數(shù)據(jù)重構(gòu)為原始信號(hào),并通過實(shí)驗(yàn)對改進(jìn)算法結(jié)果進(jìn)行了分析。
【關(guān)鍵詞】：相位復(fù)原 GS算法 HIO算法 稀疏表示理論 壓縮感知理論
【學(xué)位授予單位】：天津職業(yè)技術(shù)師范大學(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】：

• 中文摘要4-5
• Abstract5-8
• 第1章 緒論8-13
• 1.1 引言8
• 1.2 研究背景8-9
• 1.3 研究現(xiàn)狀9-11
• 1.3.1 相位復(fù)原的研究現(xiàn)狀9-10
• 1.3.2 稀疏表示的研究現(xiàn)狀10
• 1.3.3 壓縮感知的研究現(xiàn)狀10-11
• 1.4 符號(hào)說明11
• 1.5 本文主要工作與結(jié)構(gòu)安排11-13
• 第2章 相位復(fù)原的基本理論13-22
• 2.1 GS相位復(fù)原算法13-16
• 2.1.1 GS相位復(fù)原算法的基本原理13-14
• 2.1.3 GS算法實(shí)驗(yàn)14-16
• 2.2 HIO算法16-18
• 2.2.1 HIO算法的基本原理與流程16-17
• 2.2.2 HIO算法實(shí)驗(yàn)17-18
• 2.3 強(qiáng)度傳輸方程法解相位復(fù)原問題18-21
• 2.3.1 強(qiáng)度傳輸方程法的基本原理18-19
• 2.3.2 強(qiáng)度傳輸方程法實(shí)驗(yàn)19-20
• 2.3.3 相位復(fù)原算法的比較實(shí)驗(yàn)20-21
• 2.4 結(jié)束語21-22
• 第3章 稀疏字典22-29
• 3.1 信號(hào)的稀疏表示22-24
• 3.1.1 信號(hào)的稀疏表示模型23
• 3.1.2 稀疏字典的設(shè)計(jì)23-24
• 3.2 完備字典24-26
• 3.2.1 傅里葉變換和離散余弦變換24-25
• 3.2.2 小波變換25
• 3.2.3 多尺度幾何分析25-26
• 3.3 完備字典的稀疏變換實(shí)驗(yàn)26-27
• 3.3.1 DCT變換稀疏分解圖像26
• 3.3.2 小波變換的稀疏分解26-27
• 3.4 過完備字典27-28
• 3.4.1 Gabor過完備字典28
• 3.4.2 最優(yōu)方向算法28
• 3.5 本章小結(jié)28-29
• 第4章 稀疏分解與重構(gòu)29-37
• 4.1 壓縮感知的基本理論29-31
• 4.1.1 壓縮感知的數(shù)學(xué)模型：30
• 4.1.2 壓縮感知的三個(gè)主要步驟30-31
• 4.2 壓縮感知的稀疏重構(gòu)算法31-35
• 4.2.1 匹配追蹤(MP)算法31-33
• 4.2.2 正交匹配追蹤算法(OMP)33-34
• 4.2.3 分段正交匹配追蹤算法(StOMP)34
• 4.2.4 基追蹤算法(BP)34-35
• 4.3 實(shí)驗(yàn)35-37
• 第5章 基于稀疏性的相位復(fù)原37-43
• 5.1 稀疏采樣38
• 5.2 稀疏重構(gòu)38-39
• 5.3 算法流程39-41
• 5.4 實(shí)驗(yàn)41-42
• 5.5 本章小結(jié)42-43
• 第6章 總結(jié)與展望43-45
• 6.1 總結(jié)43-44
• 6.2 展望44-45
• 參考文獻(xiàn)45-49
• 致謝49-50
• 申請學(xué)位期間的研究成果及發(fā)表的學(xué)術(shù)論文50

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 曾小波;魏祖寬;金在弘;;協(xié)同過濾系統(tǒng)的矩陣稀疏性問題的研究[J];計(jì)算機(jī)應(yīng)用;2010年04期

2 劉旭東;;一種緩解數(shù)據(jù)稀疏性的協(xié)同過濾推薦系統(tǒng)[J];煙臺(tái)職業(yè)學(xué)院學(xué)報(bào);2011年04期

3 鄧自立;L算法及其在稀疏性計(jì)算中的應(yīng)用[J];華南工學(xué)院學(xué)報(bào);1985年01期

4 高磊;陳曾平;;基于代理函數(shù)優(yōu)化的稀疏性字典學(xué)習(xí)[J];電子學(xué)報(bào);2011年12期

5 席俊紅;;基于案例推理:一種用來改善稀疏性問題的方法[J];微型電腦應(yīng)用;2005年12期

6 張玉芳;代金龍;熊忠陽;;分步填充緩解數(shù)據(jù)稀疏性的協(xié)同過濾算法[J];計(jì)算機(jī)應(yīng)用研究;2013年09期

7 王偉明;劉秀平;楊周旺;劉利剛;;網(wǎng)格曲面特征的稀疏性優(yōu)化檢測算法[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2013年08期

8 王光新;林有明;張送保;;SAR圖像數(shù)據(jù)稀疏性分析及在特征增強(qiáng)中的應(yīng)用[J];計(jì)算機(jī)科學(xué);2011年02期

9 張利;郭俞伯;孫俊濤;于昕;張順利;;稀疏性約束下基于反饋更新的目標(biāo)跟蹤[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年11期

10 何昭水;謝勝利;傅予力;;信號(hào)的稀疏性分析[J];自然科學(xué)進(jìn)展;2006年09期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 王麗艷;斷層圖像稀疏性重建模型與算法研究[D];南京理工大學(xué);2012年

2 安百國;關(guān)于模型稀疏性的研究[D];東北師范大學(xué);2012年

3 呂偉;MIMO無線通信系統(tǒng)中的稀疏信號(hào)檢測與優(yōu)化[D];華中科技大學(xué);2013年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 高猛;基于社交網(wǎng)絡(luò)的推薦系統(tǒng)數(shù)據(jù)稀疏性問題的研究[D];內(nèi)蒙古大學(xué);2015年

2 李文昊;基于分?jǐn)?shù)低階統(tǒng)計(jì)量稀疏性的DOA估計(jì)[D];大連海事大學(xué);2015年

3 王欣;基于遷移學(xué)習(xí)的跨領(lǐng)域推薦的方法研究[D];杭州電子科技大學(xué);2015年

4 王金洋;基于稀疏性的相位復(fù)原研究[D];天津職業(yè)技術(shù)師范大學(xué);2016年

5 王立軍;基于協(xié)同過濾推薦系統(tǒng)的數(shù)據(jù)稀疏性問題研究[D];東北師范大學(xué);2009年

6 席超;面向稀疏性數(shù)據(jù)的協(xié)同過濾推薦算法的研究與實(shí)現(xiàn)[D];北京郵電大學(xué);2013年

7 代金龍;協(xié)同過濾算法中數(shù)據(jù)稀疏性問題研究[D];重慶大學(xué);2013年

8 李申展;推薦引擎中的稀疏性問題研究[D];中南民族大學(xué);2013年

9 王旭林;基于自然圖像統(tǒng)計(jì)性先驗(yàn)和稀疏性先驗(yàn)的圖像模型研究[D];哈爾濱工業(yè)大學(xué);2014年

10 張仁峰;多核學(xué)習(xí)方法及其應(yīng)用與研究[D];江南大學(xué);2015年

  本文關(guān)鍵詞：基于稀疏性的相位復(fù)原研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：350583