本文關(guān)鍵詞：塊稀疏信號的結(jié)構(gòu)化壓縮感知重構(gòu)算法研究

  更多相關(guān)文章： 壓縮感知 塊稀疏信號 重構(gòu)算法 結(jié)構(gòu)模型

【摘要】：壓縮感知理論(Compressive Sensing,CS)突破了傳統(tǒng)的奈奎斯特采樣定理的限制,為信號處理技術(shù)帶來了一次重大變革,成為近幾年國內(nèi)外的研究熱點。結(jié)構(gòu)化壓縮感知在傳統(tǒng)壓縮感知理論基礎(chǔ)上,將信號的稀疏性與結(jié)構(gòu)信息相結(jié)合,從而達(dá)到更好的信號處理效果。重構(gòu)算法是結(jié)構(gòu)化壓縮感知的核心內(nèi)容之一,同時,塊稀疏模型是實際應(yīng)用中廣泛存在的一種結(jié)構(gòu)模型。但是,目前針對塊稀疏信號的重構(gòu)算法還存在很多不足之處。為此,本文在結(jié)構(gòu)化壓縮感知的基礎(chǔ)上,針對塊稀疏信號的重構(gòu)算法進(jìn)行了深入研究,主要工作內(nèi)容如下:1.針對BOMP算法對已選取的原子塊無修正的能力及目前大多數(shù)重構(gòu)算法需要信號的塊稀疏度為已知條件等問題,首先,研究了一種前后向塊追蹤算法,該算法運用回溯思想,通過前向追蹤和后向追蹤兩步驟來篩選原子塊,并通過引入兩個參數(shù)來逐步擴(kuò)大信號的塊支撐集,從而逼近信號的塊稀疏度大小。然后對算法的計算復(fù)雜度進(jìn)行了分析,并推導(dǎo)了算法準(zhǔn)確重構(gòu)信號的充分條件。最后,實驗結(jié)果表明,該算法能在塊稀疏度未知的情況下實現(xiàn)塊稀疏信號的精確重構(gòu),且相比于BMP、BOMP和BSP算法,信號的成功重構(gòu)概率得到明顯提升,所需測量值數(shù)目也有所降低。2.目前關(guān)于塊稀疏信號的重構(gòu)算法主要都是建立在信號中非零塊長度相等且分塊長度已知的均勻塊稀疏信號模型上的,而實際應(yīng)用中信號的各個非零塊長度往往是不相等且未知的。針對這些問題,首先對重構(gòu)兩種不同類型的塊稀疏信號所需測量值數(shù)目的下限進(jìn)行了分析,然后提出一種非均勻的塊稀疏信號重構(gòu)算法。該算法通過初始化一個分塊長度,按照遞減的分塊大小對信號進(jìn)行多次均勻切分,并利用FBBP算法逐步剔除非零塊中包含的零元素,以此獲得更加精確的非零塊位置,從而減少信號的重構(gòu)誤差。最后,仿真實驗表明,該算法在非均勻塊稀疏模型下有效地提高了信號的重構(gòu)精度。
【關(guān)鍵詞】：壓縮感知 塊稀疏信號 重構(gòu)算法 結(jié)構(gòu)模型
【學(xué)位授予單位】：重慶郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TN911.7
【目錄】：

• 摘要3-4
• Abstract4-10
• 第1章 緒論10-18
• 1.1 論文研究背景及意義10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-16
• 1.2.1 壓縮感知主要研究內(nèi)容及現(xiàn)狀12-14
• 1.2.2 結(jié)構(gòu)化稀疏信號模型介紹14-15
• 1.2.3 塊稀疏信號重構(gòu)算法的研究現(xiàn)狀15-16
• 1.3 本文的主要工作16-17
• 1.4 本文的組織結(jié)構(gòu)17-18
• 第2章 壓縮感知理論概述及塊稀疏信號分析18-30
• 2.1 壓縮感知理論及重構(gòu)算法介紹18-23
• 2.1.1 傳統(tǒng)的壓縮感知理論框架18-20
• 2.1.2 典型重構(gòu)算法20-23
• 2.2 塊稀疏信號基本知識23-29
• 2.2.1 塊稀疏信號模型23-25
• 2.2.2 塊稀疏信號相關(guān)理論知識25-27
• 2.2.3 典型的塊稀疏信號重構(gòu)算法27-29
• 2.3 本章小結(jié)29-30
• 第3章 塊稀疏信號的前后向塊追蹤算法30-44
• 3.1 基于子空間的塊稀疏信號重構(gòu)算法30-31
• 3.2 塊稀疏信號的前后向塊追蹤算法31-37
• 3.2.1 算法描述31-33
• 3.2.2 算法復(fù)雜度分析33-34
• 3.2.3 算法重構(gòu)塊稀疏信號的充分條件34-37
• 3.3 仿真實驗結(jié)果及分析37-43
• 3.4 本章小結(jié)43-44
• 第4章 非均勻塊稀疏信號重構(gòu)算法44-58
• 4.1 非均勻塊稀疏信號模型介紹44-45
• 4.2 塊稀疏信號的測量值下限分析45-47
• 4.3 非均勻塊稀疏信號重構(gòu)算法47-49
• 4.3.1 算法描述47-49
• 4.3.2 算法復(fù)雜度分析49
• 4.4 仿真結(jié)果及分析49-57
• 4.4.1 一維信號重構(gòu)實驗49-56
• 4.4.2 二維圖像信號重構(gòu)實驗56-57
• 4.5 本章小結(jié)57-58
• 第5章 總結(jié)與展望58-60
• 5.1 論文的總結(jié)58-59
• 5.2 未來工作展望59-60
• 參考文獻(xiàn)60-65
• 致謝65-66
• 攻讀碩士學(xué)位期間從事的科研工作及取得的成果66

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前7條

1 王文東;王堯;王建軍;;基于迭代重賦權(quán)最小二乘算法的塊稀疏壓縮感知[J];電子學(xué)報;2015年05期

2 徐燕;邱曉暉;;采用正交多項匹配的塊稀疏信號重構(gòu)算法[J];信號處理;2014年06期

3 許志強(qiáng);;壓縮感知[J];中國科學(xué):數(shù)學(xué);2012年09期

4 徐宗本;郭海亮;王堯;張海;;L_(1/2)正則子在L_q(0<q<1)正則子中的代表性:基于相位圖的實驗研究(英文)[J];自動化學(xué)報;2012年07期

5 付寧;曹離然;彭喜元;;基于子空間的塊稀疏信號壓縮感知重構(gòu)算法[J];電子學(xué)報;2011年10期

6 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;2011年S1期

7 戴瓊海;付長軍;季向陽;;壓縮感知研究[J];計算機(jī)學(xué)報;2011年03期

，

本文編號：678702