收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

压缩感知中观测矩阵的构造及优化方法研究

刘莎  
【摘要】:With the information increases continuously, high speed of traditional signal sampling technologies which based on the conditions of signal-compressed and sparseness of the transforming dormin, can easily cause the verbose messages when dealing with the sampling. Candes and others provide that compressed sensing theory which lies on the Functional analysis and Approximation theory, is sampling compressed techniques of low sampling rate. It's well known for the unique compressed structure and relatively low sampling speed within several years, which solve the issues in traditional methods.This thesis propose the analysis and implementation for three core problems:sparse representation in compressed sensing, measurement matrix and algorithm of image reconstruction. In the representation of the sparse matrix, this thesis use DCT method. This thesis also apply the OMP to construct images. This thesis focus on selection and establishment of measurement matrix. First of all, this thesis provide compressed sensing method based on Beta distribution after considering the features of the beta distribution. Also, this thesis choose three different random ways to set up the measurement matrix. The result shows that Beta distribution based algorithms are no big deal compared with other conventional ways. This thesis also get conclusion of insensitiveness to random changes when use compressed sensing technique.Second, this thesis provides a BA-based scale-free network model to construct the measurement matrix and use the single parameter change method to do the comparative experiment, thus proposing a BA-based scale-free model's optimization algorithm. The prior image can be reconfigured when compressed sensing rate reached at 0.8 during the experiments. With the comparison result, it concludes that relatively high or low network models are not suitable for compress sensing based sampling compression and reconstruction. To solve this issue, deeply, this thesis apply Orthogonal Transfer method in the measurement matrix of BA-based complex network. By simulating and analyzing, this thesis gives a better algorithm with the result that reconstructing the image can be implemented even when the sampling rate at 0.7.


知网文化
【相似文献】
中国期刊全文数据库 前15条
1 李周;崔琛;;压缩感知中观测矩阵的优化算法[J];信号处理;2018年02期
2 赵玉娟;郑宝玉;陈守宁;;压缩感知自适应观测矩阵设计[J];信号处理;2012年12期
3 鄢鹏程;;一种基于阈值迭代和自适应观测矩阵的压缩感知图像处理[J];信息与电脑(理论版);2013年03期
4 李周;崔琛;;基于奇异值分解的压缩感知观测矩阵优化算法[J];计算机应用;2018年02期
5 杨春玲;李林荪;;基于像素相关的图像/视频压缩感知观测矩阵[J];华南理工大学学报(自然科学版);2017年12期
6 王军华;黄知涛;周一宇;王丰华;;压缩感知理论中的广义不相关性准则[J];信号处理;2012年05期
7 张择书;郭永飞;;一种基于压缩感知的卫星图像观测矩阵优化[J];长春理工大学学报(自然科学版);2018年04期
8 王金铭;叶时平;徐振宇;蒋燕君;;低存储化压缩感知[J];中国图象图形学报;2016年07期
9 肖小潮;郑宝玉;王臣昊;;基于最优观测矩阵的压缩信道感知[J];信号处理;2012年01期
10 胡强;林云;;基于观测矩阵优化的自适应压缩感知算法[J];计算机应用;2017年12期
11 崔兴梅;吴键;徐云鹏;;基于改进m序列的压缩采样观测矩阵设计[J];振动.测试与诊断;2017年06期
12 肖小潮;郑宝玉;王臣昊;;一种基于最优观测矩阵的自适应贝叶斯压缩信道感知联合机制[J];电子与信息学报;2012年10期
13 李丽;;一般基下的Bezoutian与可控矩阵、可观测矩阵之间关系[J];阜阳师范学院学报(自然科学版);2011年01期
14 王国富,朱建军;具有随机观测矩阵的线性系统的Kalman滤波[J];测绘通报;2004年03期
15 毛莹;牛栩;;基于混沌滤波器的压缩感知雷达互质压缩采样[J];电子测量技术;2017年10期
中国重要会议论文全文数据库 前1条
1 吴尧;张广智;卢溜;;利用偏最小二乘回归方法进行储层厚度预测[A];2017中国地球科学联合学术年会论文集(三十二)——专题61:工程地球物理技术进展与应用、专题62:油藏地球物理[C];2017年
中国博士学位论文全文数据库 前10条
1 陶宇;压缩感知雷达观测矩阵设计研究[D];南京航空航天大学;2017年
2 孙晶明;压缩感知中观测矩阵的研究[D];华中科技大学;2013年
3 姚世红;压缩感知若干关键问题研究[D];武汉大学;2015年
4 黄天耀;基于稀疏反演的相参捷变频雷达信号处理[D];清华大学;2014年
5 徐永刚;矿山数据压缩采集与重建方法研究[D];中国矿业大学;2013年
6 张京超;稀疏多频带信号压缩采样方法研究[D];哈尔滨工业大学;2014年
7 丁丽;MIMO雷达稀疏成像的失配问题研究[D];中国科学技术大学;2014年
8 叶蕾;语音信号压缩感知关键技术研究[D];南京邮电大学;2014年
9 季云云;压缩感知观测矩阵与脉冲噪声环境下重构算法研究[D];南京邮电大学;2014年
10 蔡卓燃;基于机器学习与压缩感知的认知无线电频谱感知方法研究[D];哈尔滨工业大学;2013年
中国硕士学位论文全文数据库 前10条
1 刘莎;压缩感知中观测矩阵的构造及优化方法研究[D];东北大学;2013年
2 杨朝煜;压缩感知稀疏表示和观测矩阵的研究[D];华南理工大学;2018年
3 黄韬;基于稀疏观测矩阵的压缩感知系统设计及软件实现[D];天津大学;2017年
4 刘志刚;非理想模型下稳健的压缩感知方法研究[D];西安电子科技大学;2018年
5 张春妹;压缩感知观测矩阵及重构算法的智能优化策略设计[D];太原科技大学;2018年
6 陈翠;压缩感知在通信抗干扰中的应用研究[D];电子科技大学;2018年
7 李林荪;图像/视频压缩感知中基于像素相关性的观测矩阵和重构算法研究[D];华南理工大学;2018年
8 杨保杰;基于DAE的脑网络状态观测矩阵降维方法研究[D];昆明理工大学;2017年
9 董迎朝;基于t-SNE算法的脑网络状态观测矩阵降维及可视化平台研究[D];昆明理工大学;2017年
10 方杰;压缩感知观测矩阵和重构算法的研究[D];华南理工大学;2015年
 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