資源描述：
《基于壓縮感知的信號重構(gòu)算法研究及應用.pdf》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。
1、10293$fP,LU!;()(.:---;.u,c10120817107-""""'5"~1~j)ili~B-.--j-~f!J~tzffil~4j~eiffl!t~-7-*4ii]f3iiJloJf§.~:-!it1JEf:llitE3ezffl$i~~ffl:~h!Jl_l~ti_W±i'i?:xm~s!tJl=~-11*J1ReconstructionAlgorithmsinCompressiveSensingTheoryandTheirApplicationsThesisSubmittedtoNanjingUniversityofPostsandTelecommunicationsf
2、ortheDegreeofMasterofScienceByLuWangSupervisor:Prof.WangYouguoMarch2015*A~~ffi~~~~ffi~~~ft~A~~~ffi~~~~~~~I~R~m~~n~*·gam~.~7~~~~~~~~~nw~~~*·~~$~~*~~AB~~~~m~M8~~Jf~bX:!f!:?-!Q/G§15~~1!t1￥i~m~~x~B.X:Jt'E~WmtilIB~1fl:B.X:iJE-=Plrm1~fflJ:tIBH:f_:L~ft-~I~~~~~*~~MM~ff~~~~2~~~~~7~~~~~#*~7Wfi.*A~ffi*~RWRffi*
3、~~~~:r-~.ma~m-mffi~~~~mff.*A15Hx1￥iJiniJ~Egx#l'lJ~{~H?#rtJ~*ff~1mr'1:e.X:,fJUJJ:iZxi;~)C8'0ElJP14;foEg-1-X~;ft~~~-~00~~00;ey~~*m~~IB~$~$*~~~A~*~~~illff~~;l'lJ~*fflJJfP,~fPEX:13#ti~Br*U-￥Uf*:ff,~C~JiP1s:'+1il~~.*:tIt-1-Xt3Ft-1pq~q-ofa&i~x~~~ffl-ft.~~~0~<~Mflft)~nm*~~*~~~~~b~.摘要在壓縮感知理論中，采樣和壓縮同時完成，降低了“
4、先采樣后壓縮”帶來的資源浪費，然后從高度不完整的測量值中恢復原信號，挑戰(zhàn)了在信息領(lǐng)域中占統(tǒng)治地位的奈奎斯特定理。本文主要對壓縮感知理論下的信號重構(gòu)算法以及其應用作了一些研究工作：1.詳細介紹了一系列迭代貪婪算法，并對它們的性能進行仿真實驗和分析。仿真過程中發(fā)現(xiàn)，由于無法獲知稀疏信號的稀疏度，調(diào)用算法時不能確定一個合理的迭代次數(shù)。本文在圖像重構(gòu)步驟之前進行預處理，即根據(jù)DCT變換的特點，在圖像分塊的基礎(chǔ)上用掩膜矩陣選出所需的稀疏系數(shù)，從而固定稀疏度，提升圖像重構(gòu)的峰值信噪比和速度。2.介紹了光滑L0范數(shù)以及相關(guān)的重構(gòu)算法，提出了用共軛梯度法改進的SL0算法，并用仿真實驗證明了該算法的可行性及其優(yōu)
5、勢。與最速下降SL0、牛頓修正SL0相比，共軛梯度SL0算法對有著與之相當?shù)膱D像重構(gòu)效果，且在收斂速度上有較大的提高。隨著采樣率增大，共軛梯度SL0重構(gòu)一維信號的效果有大幅提升，明顯高于另兩個算法。3.信號的傳輸一般都是在有噪環(huán)境下進行的，本文在測量值中加入隨機高斯噪聲，逐漸增大噪聲強度，觀察OMP算法的重構(gòu)一維信號的均方誤差（MSE）。本文發(fā)現(xiàn)當噪聲達到一定強度時，MSE達到最低點，噪聲繼續(xù)增大時，MSE迅速增大，即出現(xiàn)了隨機共振現(xiàn)象。本文進一步分析了最佳噪聲強度與信號長度、稀疏度、采樣率之間的關(guān)系，發(fā)現(xiàn)最主要的兩個影響因素是采樣率和信號長度，最佳噪聲強度與采樣率、信號長度都呈負相關(guān)。關(guān)鍵詞
6、:壓縮感知，匹配追蹤，光滑l，隨機共振0IAbstractCompressiveSensing(CS)theory,proposedin2006,isanewinformationprocessingthoerythatchallengesthedominantNyquisttheory.InCStheory,samplingandcompressingprocessesarecompletedatthesametime,andthusnoredundantsamplesaresaved.ResearchesintoCSareintheascendant.Howtoreconstructsig
7、nalsfromhighlyincompletesamplesisoneofthehottopics.1.ReconstructionalgorithmsinCS,tobemorespecific,aseriesofgreedyalgorithmsandthierapplicationsareresearchedinthispaper.Thesparsityofanoriginalsignalis
