資源描述：
《壓縮感知理論中信號(hào)重構(gòu)算法研究與fpga實(shí)現(xiàn)》由會(huì)員上傳分享，免費(fèi)在線(xiàn)閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、學(xué)校代碼：10406分類(lèi)號(hào)：TP751學(xué)號(hào)：130085210015南昌航空大學(xué)碩士學(xué)位論文（專(zhuān)業(yè)學(xué)位研究生）壓縮感知理論中信號(hào)重構(gòu)算法研究與FPGA實(shí)現(xiàn)碩士研究生：沈培導(dǎo)師：蔣沅副教授申請(qǐng)學(xué)位級(jí)別：工學(xué)碩士學(xué)科、專(zhuān)業(yè)：控制工程所在單位：南昌航空大學(xué)答辯日期：2016年6月8日授予學(xué)位單位：南昌航空大學(xué)ImplementationoftheFPGAandSignalReconstructionAlgorithmResearchBasedonCompressedSensingADissertationSubmittedforthe
2、DegreeofMasterOnControlEngineeringbyShenPeiUndertheSupervisionofProf.JiangYuanSchoolofInformationEngineeringNanchangHangkongUniversity,Nanchang,ChinaJune,2016南昌航空大學(xué)碩士學(xué)位論文摘要摘要壓縮感知理論是近年來(lái)興起的一種新穎采樣理論，其提供了一種從少量的采樣值中精確重構(gòu)原始信號(hào)的方法。自提出以來(lái)便引起了相關(guān)領(lǐng)域科研者的廣泛關(guān)注，如何提高信號(hào)重構(gòu)質(zhì)量、降低算法復(fù)雜度是目前相關(guān)
3、研究的重點(diǎn)與熱點(diǎn)課題之一。鑒于此，本文對(duì)壓縮感知理論中信號(hào)重構(gòu)算法進(jìn)行了深入研究，著力于尋找高概率、魯棒的壓縮感知重構(gòu)算法。本文工作的主要貢獻(xiàn)和創(chuàng)新總結(jié)如下：首先，在研究了基于最小范數(shù)的壓縮感知圖像重構(gòu)算法基礎(chǔ)上，針對(duì)拉格朗日函數(shù)序列二次規(guī)劃(SequentialQuadraticProgramming，SQP)方法中海瑟(Hesse)矩陣不正定導(dǎo)致計(jì)算量很大的問(wèn)題，提出了基于l范數(shù)的壓縮感知圖像p重構(gòu)優(yōu)化算法，該算法將價(jià)值函數(shù)與修正Hesse矩陣序列二次規(guī)劃方法相結(jié)合，并采用了圖像分塊壓縮感知技術(shù)。通過(guò)在不同采樣率和不同重構(gòu)算
4、法下對(duì)圖像重構(gòu)效果進(jìn)行對(duì)比，實(shí)驗(yàn)驗(yàn)證了該圖像重構(gòu)算法取得重構(gòu)精度與算法時(shí)間上的平衡；其次，針對(duì)壓縮感知重構(gòu)算法中正交匹配追蹤(OrthogonalMatchingPursuit,OMP)算法在每次迭代中不能選取最優(yōu)原子問(wèn)題，改進(jìn)其原子選擇準(zhǔn)則，從而保證了每次迭代的當(dāng)前觀(guān)測(cè)信號(hào)余量最小，并提出了一種基于FPGA實(shí)現(xiàn)的優(yōu)化OMP算法硬件結(jié)構(gòu)設(shè)計(jì)，該設(shè)計(jì)在矩陣分解過(guò)程采取了修正喬列斯基(Cholesky)分解方案，回避開(kāi)方計(jì)算，以減少運(yùn)算延時(shí)，易于FPGA實(shí)現(xiàn)；最后，設(shè)計(jì)了基于FPGA的圖像采集及處理硬件系統(tǒng)，實(shí)現(xiàn)了壓縮感知對(duì)圖像的采
5、集，此系統(tǒng)給出了詳細(xì)的模塊化設(shè)計(jì)，主要包括CMOS攝像頭和芯片CY7C68013初始化配置，I2C配置模塊，雙口SDRAM讀寫(xiě)控制模塊，圖像處理模塊。通過(guò)USB2.0接口通信完成圖像數(shù)據(jù)傳輸,并利用VS2010設(shè)計(jì)了USB2.0高速接口通信的上位機(jī)軟件。關(guān)鍵詞：壓縮感知；重構(gòu)算法；序列二次規(guī)劃；正交匹配追蹤算法；FPGAI南昌航空大學(xué)碩士學(xué)位論文AbstractAbstractInrecentyears,compressedsensingistheriseofanovelsamplingtheory,thetheoryprovi
6、desamethodthatitcanprecisereconstructoftheoriginalsignalfromasmallamountofsamplingvalue.Sincethetheorywaspresented,ithasgainedattentionduetoitspromisingpracticalpotentials.Improvingthequalityofsignalreconstructionanddesigningareconstructionalgorithmwithlowcomplexity,
7、itisoneofthefocalpointsandhotproblemsofstudyingintherelatedfield.Giventhis,thearticlehasdeeplystudiedthecompressedsensingreconstructionalgorithmsforsignalinordertofindrobustandeffectivereconstructionalgorithms.Themaincontributionandinnovationsofthedissertationareasfo
8、llows.Firstofall,ourresearchbuildincompressedsensingimagereconstructionalgorithmbasedonlnormreconstruction,inviewofLagrangefunction
