本文關(guān)鍵詞：信號(hào)稀疏表示及其應(yīng)用研究

  更多相關(guān)文章： 稀疏表示 非負(fù)矩陣分解 壓縮感知 信號(hào)加密系統(tǒng) 盲源信號(hào)分離

【摘要】：信號(hào)處理中一個(gè)很關(guān)鍵的問(wèn)題就是信號(hào)的有效表示,特別是隨著大數(shù)據(jù)時(shí)代的來(lái)臨,得到數(shù)據(jù)簡(jiǎn)潔有效的表示已成為信號(hào)處理領(lǐng)域越來(lái)越重要的研究方向。稀疏表示是一種新穎的信號(hào)表示方法,其目標(biāo)是通過(guò)稀疏逼近代替原始信號(hào)表示,從本質(zhì)上提高了信號(hào)處理的效率,降低了信號(hào)處理成本。信號(hào)的稀疏表示是在上世紀(jì)九十年代提出來(lái)的,作為信號(hào)研究的一個(gè)熱門(mén)方向,稀疏表示理論廣泛應(yīng)用于信號(hào)編碼、遙感圖像解譯、盲信號(hào)分離等領(lǐng)域。稀疏表示模型不僅具有十分堅(jiān)實(shí)的數(shù)學(xué)理論基礎(chǔ),而且對(duì)數(shù)據(jù)具有很強(qiáng)的自適應(yīng)性,這也因此讓稀疏表示得到各種廣泛的實(shí)際應(yīng)用。簡(jiǎn)言之,稀疏表示在信號(hào)處理領(lǐng)域具有十分廣闊的前景。本文主要研究了稀疏表示理論中的字典設(shè)計(jì)及其在壓縮感知加密系統(tǒng)中的應(yīng)用,包括基于非光滑非負(fù)矩陣分解的算法設(shè)計(jì)和基于壓縮感知理論的信號(hào)密碼系統(tǒng)安全性分析。論文的具體安排如下：首先介紹了稀疏表示的國(guó)內(nèi)外研究現(xiàn)狀并梳理了稀疏表示理論框架,然后重點(diǎn)設(shè)計(jì)了一個(gè)快速非光滑非負(fù)矩陣分解算法,最后采用擴(kuò)展的香農(nóng)維納完善保密性方法分析了基于壓縮感知的加密系統(tǒng)的安全性。本文具體內(nèi)容如下：設(shè)計(jì)了一個(gè)求解非光滑非負(fù)矩陣分解模型的快速算法。本文借助于Nesterov的最適梯度法去優(yōu)化每一個(gè)非負(fù)最小均方子問(wèn)題。在優(yōu)化的過(guò)程中,本文選擇優(yōu)化一個(gè)矩陣的時(shí)候固定另一個(gè)矩陣。算法還構(gòu)造了兩個(gè)序列,一個(gè)序列存儲(chǔ)近似解,另一個(gè)儲(chǔ)存搜索點(diǎn),在優(yōu)化分解結(jié)果的時(shí)候遞歸更新這兩個(gè)序列。基于這個(gè)更新框架,算法能夠獲得非線(xiàn)性收斂速度,并通過(guò)實(shí)驗(yàn)仿真驗(yàn)證了算法在運(yùn)行速度上的優(yōu)勢(shì)。該方法為稀疏表示詞典學(xué)習(xí)提供了一種自適應(yīng)方案。分析了基于稀疏壓縮感知加密系統(tǒng)安全性。該分析方法基于信息論,結(jié)合信息熵,明文,密鑰和密文間的互信息以及明文的稀疏性等知識(shí)。本文擴(kuò)展了香農(nóng)和維納完善保密性,并且運(yùn)用它們衡量了加密系統(tǒng)的安全性。最后,本論文證實(shí)了系統(tǒng)在密鑰被重復(fù)使用的情況下通過(guò)盲源分離技術(shù)能夠破解密鑰和明文信息。
【關(guān)鍵詞】：稀疏表示 非負(fù)矩陣分解 壓縮感知 信號(hào)加密系統(tǒng) 盲源信號(hào)分離
【學(xué)位授予單位】：廣東工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TN911.7
【目錄】：

• 摘要4-5
• Abstract5-11
• 第一章 緒論11-14
• 1.1 選題背景介紹11
• 1.2 課題的國(guó)內(nèi)外研究現(xiàn)狀11-12
• 1.3 課題的研究?jī)?nèi)容和主要貢獻(xiàn)12-13
• 1.4 論文的結(jié)構(gòu)和安排13-14
• 第二章 稀疏表示理論14-23
• 2.1 引言14
• 2.2 數(shù)學(xué)模型14-17
• 2.2.1 稀疏性度量15-16
• 2.2.2 稀疏表示的唯一性和不確定性16-17
• 2.3 稀疏表示的求解算法17-19
• 2.3.1 貪婪算法17-18
• 2.3.2 凸松弛算法18-19
• 2.4 過(guò)完備字典的構(gòu)造19-22
• 2.4.1 分析型字典19-20
• 2.4.2 學(xué)習(xí)型字典20-22
• 2.5 本章小結(jié)22-23
• 第三章 快速非光滑非負(fù)矩陣分解算法23-41
• 3.1 非負(fù)矩陣分解算法的理論框架23-32
• 3.1.1 非負(fù)矩陣分解算法概述24-26
• 3.1.2 稀疏非負(fù)矩陣分解算法26-32
• 3.2 快速非光滑非負(fù)矩陣分解算法32-36
• 3.2.1 理論基礎(chǔ)32-34
• 3.2.2 算法描述34-36
• 3.3 實(shí)驗(yàn)仿真36-40
• 3.3.1 參數(shù)選擇36-37
• 3.3.2 數(shù)據(jù)來(lái)源37
• 3.3.3 實(shí)驗(yàn)結(jié)果與分析37-40
• 3.4 本章小結(jié)40-41
• 第四章 壓縮感知加密系統(tǒng)安全性分析框架41-62
• 4.1 引言41-42
• 4.2 壓縮感知理論42-48
• 4.2.1 壓縮感知理論基本框架43-44
• 4.2.2 觀(guān)測(cè)模型及觀(guān)測(cè)矩陣設(shè)計(jì)44-46
• 4.2.3 還原模型及常用的還原算法46-47
• 4.2.4 壓縮感知加密特性47-48
• 4.3 壓縮感知加密系統(tǒng)模型48-49
• 4.4 安全性分析49-61
• 4.4.1 完善保密性分析50-51
• 4.4.2 擴(kuò)展的完善保密性51-53
• 4.4.3 擴(kuò)展的完善保密性分析53-61
• 4.5 本章小結(jié)61-62
• 結(jié)論和展望62-64
• 參考文獻(xiàn)64-70
• 攻讀學(xué)位期間的科研成果70-72
• 致謝72

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 李映;張艷寧;許星;;基于信號(hào)稀疏表示的形態(tài)成分分析:進(jìn)展和展望[J];電子學(xué)報(bào);2009年01期

2 趙瑞珍;王飛;羅阿理;張彥霞;;基于稀疏表示的譜線(xiàn)自動(dòng)提取方法[J];光譜學(xué)與光譜分析;2009年07期

3 楊蜀秦;寧紀(jì)鋒;何東健;;基于稀疏表示的大米品種識(shí)別[J];農(nóng)業(yè)工程學(xué)報(bào);2011年03期

4 史加榮;楊威;魏宗田;;基于非負(fù)稀疏表示的人臉識(shí)別[J];計(jì)算機(jī)工程與設(shè)計(jì);2012年05期

5 高志榮;熊承義;笪邦友;;改進(jìn)的基于殘差加權(quán)的稀疏表示人臉識(shí)別[J];中南民族大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年03期

6 朱杰;楊萬(wàn)扣;唐振民;;基于字典學(xué)習(xí)的核稀疏表示人臉識(shí)別方法[J];模式識(shí)別與人工智能;2012年05期

7 耿耀君;張軍英;袁細(xì)國(guó);;一種基于稀疏表示系數(shù)的特征相關(guān)性測(cè)度[J];模式識(shí)別與人工智能;2013年01期

8 張疆勤;廖海斌;李原;;基于因子分析與稀疏表示的多姿態(tài)人臉識(shí)別[J];計(jì)算機(jī)工程與應(yīng)用;2013年05期

9 李正周;王會(huì)改;劉梅;丁浩;金鋼;;基于形態(tài)成分稀疏表示的紅外小弱目標(biāo)檢測(cè)[J];彈箭與制導(dǎo)學(xué)報(bào);2013年04期

10 胡正平;趙淑歡;李靜;;基于塊稀疏遞推殘差分析的稀疏表示遮擋魯棒識(shí)別算法研究[J];模式識(shí)別與人工智能;2014年01期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前3條

1 何愛(ài)香;劉玉春;魏廣芬;;基于稀疏表示的煤矸界面識(shí)別研究[A];虛擬運(yùn)營(yíng)與云計(jì)算——第十八屆全國(guó)青年通信學(xué)術(shù)年會(huì)論文集（上冊(cè)）[C];2013年

2 樊亞翔;孫浩;周石琳;鄒煥新;;基于元樣本稀疏表示的多視角目標(biāo)識(shí)別[A];2013年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第五分冊(cè)）[C];2013年

3 葛鳳翔;任歲玲;郭鑫;郭良浩;孫波;;微弱信號(hào)處理及其研究進(jìn)展[A];中國(guó)聲學(xué)學(xué)會(huì)水聲學(xué)分會(huì)2013年全國(guó)水聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2013年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 李進(jìn)明;基于稀疏表示的圖像超分辨率重建方法研究[D];重慶大學(xué);2015年

2 王亞寧;基于信號(hào)稀疏表示的電機(jī)故障診斷研究[D];河北工業(yè)大學(xué);2014年

3 姚明海;視頻異常事件檢測(cè)與認(rèn)證方法研究[D];東北師范大學(xué);2015年

4 黃國(guó)華;蛋白質(zhì)翻譯后修飾位點(diǎn)與藥物適應(yīng)癥預(yù)測(cè)方法研究[D];上海大學(xué);2015年

5 王瑾;基于稀疏表示的數(shù)據(jù)收集、復(fù)原與壓縮研究[D];北京工業(yè)大學(xué);2015年

6 王文卿;基于融合框架與稀疏表示的遙感影像銳化[D];西安電子科技大學(xué);2015年

7 解虎;高維小樣本陣列自適應(yīng)信號(hào)處理方法研究[D];西安電子科技大學(xué);2015年

8 秦振濤;基于稀疏表示及字典學(xué)習(xí)遙感圖像處理關(guān)鍵技術(shù)研究[D];成都理工大學(xué);2015年

9 薛明;基于稀疏表示的在線(xiàn)目標(biāo)跟蹤研究[D];上海交通大學(xué);2014年

10 孫樂(lè);空譜聯(lián)合先驗(yàn)的高光譜圖像解混與分類(lèi)方法[D];南京理工大學(xué);2014年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 王道文;基于稀疏表示的目標(biāo)跟蹤算法研究[D];華南理工大學(xué);2015年

2 李哲;基于稀疏表示和LS-SVM的心電信號(hào)分類(lèi)[D];河北大學(xué);2015年

3 孫雪青;Shearlet變換和稀疏表示相結(jié)合的甲狀腺結(jié)節(jié)圖像融合[D];河北大學(xué);2015年

4 吳麗璇;基于稀疏表示的微聚焦X射線(xiàn)圖像去噪方法[D];華南理工大學(xué);2015年

5 趙孝磊;基于圖像分塊稀疏表示的人臉識(shí)別算法研究[D];南京信息工程大學(xué);2015年

6 黃志明;基于辨別式稀疏字典學(xué)習(xí)的視覺(jué)追蹤算法研究[D];華南理工大學(xué);2015年

7 張鈴華;非約束環(huán)境下的稀疏表示人臉識(shí)別算法研究[D];南京信息工程大學(xué);2015年

8 賀妍斐;基于稀疏表示與自適應(yīng)倒易晶胞的遙感圖像復(fù)原方法研究[D];南京信息工程大學(xué);2015年

9 楊爍;電能質(zhì)量擾動(dòng)信號(hào)的稀疏表示/壓縮采樣研究[D];西南交通大學(xué);2015年

10 應(yīng)艷麗;基于低秩稀疏表示的目標(biāo)跟蹤算法研究[D];西南交通大學(xué);2015年

，

本文編號(hào)：998300