收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于限制等距性质的信号和低秩矩阵恢复

李亚玲  
【摘要】:压缩感知是一种新的信息获取指导理论,实现了远低于奈奎斯特-香农采样频率的数据采集,减少了信号恢复所需要的数据量.本文考虑的是具有不同特征的信号以及低秩矩阵的重构问题,主要研究不同的重构方法能成功恢复信号和低秩矩阵的恢复条件,所考虑的都是基于高阶RIP的恢复保证.对现有的加权l1极小方法恢复带有先验支集信息的信号、混合l2/l1极小方法恢复具有块结构的信号、l1-分析法恢复在冗余字典下具有稀疏表示的信号以及Schatten-p极小方法重构低秩矩阵的恢复条件进行了改进和延伸,得到了更为一般的结果,并将他们与已有的结论进行比较,讨论恢复条件的最优性以及重构性能的优越性.全文的主要研究内容以及论文组织结构如下:第一章简要介绍压缩感知的研究背景和发展状况,本文出现的符号和基本概念,以及本文的主要工作.第二章研究具有先验支集信息的信号的重构条件.首先,建立在有噪音和无噪音情况下,加权l1极小方法稳定和精确恢复稀疏信号的基于高阶RIP以及基于RIC和ROC的恢复条件.当先验支集信息的精确度不低于50%时,所建立的恢复条件比现有的基于l1极小方法的最优恢复条件要弱,同时还提供了更优的重构性能.进一步证明了基于加权l1极小方法的恢复条件是最优的.第三章考虑具有块结构的信号的恢复条件.首先建立多胞体的块稀疏表示,利用这种表示得到一个基于高阶块RIP的恢复条件.它能保证混合l2/l1极小方法在有噪音时稳定恢复块稀疏信号,在无噪音时精确恢复块稀疏信号.此外,通过构造一个实例证明这个恢复条件是最优的.本章的意义在于与传统的稀疏模式相比,利用块稀疏结构可以在更一般的条件下实现信号的恢复.最后得到高斯随机矩阵高概率满足所建立的恢复条件需要的观测值数,其所需要的观测值数比高概率满足标准RIP所需要的观测值数要少.第四章研究在冗余字典下具有稀疏表示的信号的重构条件.基于高阶D-RIP条件,利用l1-分析法实现在有噪音和无噪音情形下具有稀疏表示的信号的稳定和精确恢复.第五章考虑低秩矩阵的恢复条件.基于矩阵的奇异值分解,通过Schatten-p极小方法建立低秩矩阵稳定和精确恢复的恢复条件.该条件突破了核模极小方法所需的RIP恢复条件的范围.


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 王丛璐;;广州广播电视台传输信号调度收录系统方案设计综述[J];影视制作;2014年04期
2 张新鹏;王朔中;;基于稀疏表示的密写编码[J];电子学报;2007年10期
3 李映;张艳宁;许星;;基于信号稀疏表示的形态成分分析:进展和展望[J];电子学报;2009年01期
4 赵瑞珍;王飞;罗阿理;张彦霞;;基于稀疏表示的谱线自动提取方法[J];光谱学与光谱分析;2009年07期
5 杨蜀秦;宁纪锋;何东健;;基于稀疏表示的大米品种识别[J];农业工程学报;2011年03期
6 史加荣;杨威;魏宗田;;基于非负稀疏表示的人脸识别[J];计算机工程与设计;2012年05期
7 高志荣;熊承义;笪邦友;;改进的基于残差加权的稀疏表示人脸识别[J];中南民族大学学报(自然科学版);2012年03期
8 朱杰;杨万扣;唐振民;;基于字典学习的核稀疏表示人脸识别方法[J];模式识别与人工智能;2012年05期
9 耿耀君;张军英;袁细国;;一种基于稀疏表示系数的特征相关性测度[J];模式识别与人工智能;2013年01期
10 张疆勤;廖海斌;李原;;基于因子分析与稀疏表示的多姿态人脸识别[J];计算机工程与应用;2013年05期
11 李正周;王会改;刘梅;丁浩;金钢;;基于形态成分稀疏表示的红外小弱目标检测[J];弹箭与制导学报;2013年04期
12 胡正平;赵淑欢;李静;;基于块稀疏递推残差分析的稀疏表示遮挡鲁棒识别算法研究[J];模式识别与人工智能;2014年01期
13 陈思宝;赵令;罗斌;;局部保持的稀疏表示字典学习[J];华南理工大学学报(自然科学版);2014年01期
14 王铿;张重阳;齐朗晔;;基于核距离的稀疏表示的交通标识识别[J];计算机应用与软件;2014年03期
15 单建华;张晓飞;;稀疏表示人脸识别的关键问题分析[J];安徽工业大学学报(自然科学版);2014年02期
16 栾悉道;王卫威;谢毓湘;张芯;李琛;;非线性稀疏表示理论及其应用[J];计算机科学;2014年08期
17 杨荣根;任明武;杨静宇;;基于稀疏表示的人脸识别方法[J];计算机科学;2010年09期
18 郑轶;蔡体健;;稀疏表示的人脸识别及其优化算法[J];华东交通大学学报;2012年01期
19 段菲;章毓晋;;一种面向稀疏表示的最大间隔字典学习算法[J];清华大学学报(自然科学版);2012年04期
20 李仲生;李仁发;蔡则苏;赵乘麟;;稀疏表示下的非监督显著对象提取[J];电子学报;2012年06期
中国重要会议论文全文数据库 前2条
1 何爱香;刘玉春;魏广芬;;基于稀疏表示的煤矸界面识别研究[A];虚拟运营与云计算——第十八届全国青年通信学术年会论文集(上册)[C];2013年
2 樊亚翔;孙浩;周石琳;邹焕新;;基于元样本稀疏表示的多视角目标识别[A];2013年中国智能自动化学术会议论文集(第五分册)[C];2013年
中国博士学位论文全文数据库 前10条
1 李亚玲;基于限制等距性质的信号和低秩矩阵恢复[D];中国工程物理研究院;2017年
2 章瑞;压缩感知中最优限制等距常数界[D];浙江大学;2017年
3 杨晓波;稀疏信号的联合恢复与低秩稀疏恢复的理论及数值方法[D];湖南大学;2017年
4 徐安豹;压缩感知与矩阵填充问题的阈值算法及匹配追踪算法研究[D];湖南大学;2017年
5 汪馨;极值组合方法在几类信息问题中的应用[D];浙江大学;2017年
6 魏航;基于邻接实数矩阵编码的路径优化进化算法的研究[D];华南理工大学;2017年
7 刘婵梓;基于稀疏表示与压缩感知的高效信号处理技术及其应用[D];西南交通大学;2017年
8 李进明;基于稀疏表示的图像超分辨率重建方法研究[D];重庆大学;2015年
9 王亚宁;基于信号稀疏表示的电机故障诊断研究[D];河北工业大学;2014年
10 姚明海;视频异常事件检测与认证方法研究[D];东北师范大学;2015年
中国硕士学位论文全文数据库 前10条
1 岳晓芳;基于属性界定的认知诊断Q矩阵估计方法研究[D];华中师范大学;2017年
2 章健伟;矩阵幂的展开与符号计算[D];浙江工商大学;2018年
3 周密;基于低秩矩阵恢复的算法及应用研究[D];天津大学;2016年
4 宁春贵;不确定型判断矩阵的一致性研究[D];广西大学;2017年
5 刘占林;压缩特征目标的低秩跟踪算法研究[D];沈阳理工大学;2017年
6 沈凤臣;基于矩阵填充的DOA估计方法研究[D];西安电子科技大学;2017年
7 李玉玲;广义Wigner矩阵的经验谱分布的收敛速度[D];东北师范大学;2017年
8 何秀秀;多项式环上零左素矩阵的研究[D];湖南科技大学;2017年
9 刘琦;基于压缩感知理论的MIMO雷达角度估计技术研究[D];哈尔滨工程大学;2016年
10 李彦君;Riordan矩阵与Hankel变换[D];兰州理工大学;2017年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978