用于压缩感知信号重建的算法研究

用于压缩感知信号重建的算法研究

论文摘要

压缩感知理论是一种充分利用信号稀疏性或者可压缩性的全新的信号采样理论。该理论表明,通过采集少量的信号值就可实现稀疏或可压缩信号的精确重建。该理论在信号的获取方式上突破了传统的奈奎斯特采样定理,革命性地实现了对数据获取的同时进行适当地压缩,成功克服了采样数据量巨大,传感元、采样时间以及数据存储空间等物理资源浪费严重的问题。重建算法是其中关键的一部分,它对于压缩后信号的精确重建以及采样过程中的准确性验证均有着重要的意义。重建算法的关键是如何从压缩感知得到的低维数据中精确地恢复出原始的高维数据。本文是通过压缩感知理论以及国内外现有的重建算法进行了系统的学习之后,围绕它们展开深入研究,主要完成工作如下:深入研究了用于压缩感知的OMP、ROMP、CoSaMP、SAMP等经典重建算法和各种重建模型,分别从一维稀疏信号和二维可压缩信号的角度考察了算法的峰值信噪比、相对误差、匹配度和运行时间等性能。实验的过程中找出了算法的优化角度,并对其中可行性的方案进行了进一步实验和研究。本文对于SP、CoSaMP等算法中涉及的回溯思想进行了较深入的研究,这些算法每次迭代中都要同时选中多个原子,而且最终用于重建的支撑集大小是确定的,这就需要我们在迭代过程中不断选中原子的同时剔除部分以前选中的原子。那么这种方式能否保证每轮迭代中至少选中一个最终用于信号重建的原子而不会被剔除,这是一个值得质疑的问题。本文就其原子的选择方式对算法准确性的影响进行了分析和推导。结论说明即便剔除了已经选定的部分原子依然可以保证留下的原子是最优的从而精确重建信号。提出了一种新的用于压缩感知信号重建的正则化自适应匹配追踪算法,该算法采用简单而有效的正则化过程实现对原子库的筛选,同时通过设置两个迭代阈值,对信号的稀疏度进行自适应地估计,从而可对稀疏度未知的信号实现信号重建。经过大量实验证明,本算法的重建质量无论在视觉效果上还是客观数据上均优于现有同类算法,是一种重建效果较好的方法。

论文目录

  • 致谢
  • 中文摘要
  • ABSTRACT
  • 1 绪论
  • 1.1 研究背景和意义
  • 1.1.1 奈奎斯特采样定理的局限性
  • 1.1.2 压缩感知理论
  • 1.1.3 重建算法的研究意义
  • 1.2 本文主要工作和结构安排
  • 2 压缩感知重建模型
  • 0范数模型'>2.1 最小l0范数模型
  • 2.2 匹配追踪类算法
  • 2.2.1 OMP算法
  • 2.2.2 ROMP算法
  • 2.2.3 SAMP算法
  • 2.3 回溯算法的准确性分析
  • 2.3.1 回溯算法特点
  • 2.3.2 准确性分析
  • 1范数模型'>2.4 最小l1范数模型
  • 1范数模型'>2.5 加权l1范数模型
  • 3 正则化自适应匹配追踪算法
  • 3.1 RAMP算法的提出
  • 3.1.1 RAMP算法思想
  • 3.1.2 RAMP算法步骤
  • 3.2 RAMP算法的实验结果与分析
  • 3.2.1 不同采样率下的实验结果
  • 3.2.2 不同算法的实验效果
  • 3.2.3 算法性能分析
  • 3.3 本章小结
  • 4 结论
  • 4.1 本文工作总结
  • 4.2 不足与展望
  • 参考文献
  • 附录A
  • 作者简历
  • 学位论文数据集
  • 相关论文文献

    • [1].算法:一种新的权力形态[J]. 治理现代化研究 2020(01)
    • [2].算法决策规制——以算法“解释权”为中心[J]. 现代法学 2020(01)
    • [3].面向宏观基本图的多模式交通路网分区算法[J]. 工业工程 2020(01)
    • [4].算法中的道德物化及问题反思[J]. 大连理工大学学报(社会科学版) 2020(01)
    • [5].算法解释请求权及其权利范畴研究[J]. 甘肃政法学院学报 2020(01)
    • [6].算法新闻的公共性建构研究——基于行动者网络理论的视角[J]. 人民论坛·学术前沿 2020(01)
    • [7].算法的法律性质:言论、商业秘密还是正当程序?[J]. 比较法研究 2020(02)
    • [8].关键词批评视野中的算法文化及其阈限性[J]. 学习与实践 2020(02)
    • [9].掌控还是被掌控——大数据时代有关算法分发的忧患与反思[J]. 新媒体研究 2020(04)
    • [10].美国算法治理政策与实施进路[J]. 环球法律评论 2020(03)
    • [11].算法解释权:科技与法律的双重视角[J]. 苏州大学学报(哲学社会科学版) 2020(02)
    • [12].大数据算法决策的问责与对策研究[J]. 现代情报 2020(06)
    • [13].大数据时代算法歧视的风险防控和法律规制[J]. 河南牧业经济学院学报 2020(02)
    • [14].风险防范下算法的监管路径研究[J]. 审计观察 2019(01)
    • [15].模糊的算法伦理水平——基于传媒业269名算法工程师的实证研究[J]. 新闻大学 2020(05)
    • [16].算法推荐新闻对用户的影响及对策[J]. 新媒体研究 2020(10)
    • [17].如何加强对算法的治理[J]. 国家治理 2020(27)
    • [18].“后真相”背后的算法权力及其公法规制路径[J]. 行政法学研究 2020(04)
    • [19].算法规制的谱系[J]. 中国法学 2020(03)
    • [20].论算法排他权:破除算法偏见的路径选择[J]. 政治与法律 2020(08)
    • [21].政务算法与公共价值:内涵、意义与问题[J]. 国家治理 2020(32)
    • [22].算法的法律规制研究[J]. 上海商业 2020(09)
    • [23].新闻算法分发对隐私权的冲击及规制[J]. 青年记者 2020(27)
    • [24].算法如何平等:算法歧视审查机制的建立[J]. 南海法学 2020(02)
    • [25].蚁群算法在文字识别中的应用研究[J]. 信息与电脑(理论版) 2019(22)
    • [26].大数据聚类算法研究[J]. 无线互联科技 2018(04)
    • [27].RSA算法的改进研究[J]. 计算机与网络 2018(14)
    • [28].智能时代的新内容革命[J]. 国际新闻界 2018(06)
    • [29].改进的负载均衡RSA算法[J]. 电脑知识与技术 2018(25)
    • [30].基于深度学习的视觉跟踪算法研究综述[J]. 计算机科学 2017(S1)

    标签:;  ;  ;  ;  ;  

    用于压缩感知信号重建的算法研究
    下载Doc文档

    猜你喜欢