壓縮感知測量矩陣構造方法研究.pdf_第1頁
已閱讀1頁,還剩58頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、壓縮感知突破了傳統(tǒng)奈奎斯特采樣理論,在信號采樣的同時進行壓縮。在壓縮感知過程中,測量矩陣在信號采樣和重構環(huán)節(jié)發(fā)揮著至關重要的作用,設計采樣效率高,重構效果好并且易于硬件實現的采樣矩陣一直是壓縮感知領域的研究熱點和難點。因此,研究測量矩陣的構造方法具有重要的理論意義和應用價值。本文在深入研究壓縮感知理論和現有測量矩陣構造方法的基礎上,提出了兩種改進的測量矩陣構造方法。具體工作如下:
  針對目前隨機測量矩陣物理實現困難,成本較高等不

2、足,利用正交對稱托普利茲矩陣(OSTM)具有與隨機矩陣相當的壓縮感知特性,基于分塊循環(huán)結構,提出了分塊正交對稱Toeplitz測量矩陣(OSTM)的構造方法。分塊OSTM矩陣具有偽隨機循環(huán)結構,易于硬件實現,其獨立變元個數大大減少,可降低存儲和運算時間。另外,針對目前圖像分塊壓縮感知中單一采樣的缺陷,將圖像塊進行分類,根據圖像局部結構自適應分配采樣率,結合分塊 OSTM矩陣設計,提出了基于分塊OSTM的自適應壓縮采樣算法。實驗結果表明,

3、基于分塊OSTM的壓縮測量獲得質量更高的的重構圖像。
  近期研究表明,根據給定字典進行優(yōu)化設計的測量矩陣可以比隨機測量矩陣獲得更優(yōu)的感知性能。在研究基于Parseval緊框架構造優(yōu)化測量矩陣的基礎上,結合矩陣分解理論,通過矩陣近似QR分解和SVD分解調整矩陣的奇異值,進一步降低測量矩陣和稀疏矩陣的相關性,提出了基于框架設計和矩陣分解的測量矩陣優(yōu)化設計方法,能同時達到統(tǒng)計重建最優(yōu)和非相干最優(yōu)。通過大量對一維信號和二維圖像仿真實驗表

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論