基于分圆类构造卷积压缩感知测量矩阵

卷积压缩感知是近年来兴起的新型压缩感知技术.卷积压缩感知选用循环矩阵作为测量矩阵,其采样可以简化为卷积的过程,因此大大降低算法复杂度.该文基于分圆类构造适用于卷积压缩感知的测量矩阵,测量值通过利用确定性序列循环卷积信号,然后进行随机2次采样获得.该文构造的测量矩阵的相关性小于已有文献构造的测量矩阵的相关性.模拟仿真结果表明,该文构造的测量矩阵与同等条件下的随机高斯矩阵相比,可以更好地恢复稀疏信号;所构造的矩阵还可以应用于信道估计以及2维图像的重构.     

基于二进制序列族的压缩感知测量矩阵构造

构造确定性测量矩阵对压缩感知理论的推广与应用具有重要的意义。该文源于代数编码理论,提出一种基于二进制序列族的确定性测量矩阵构造算法。相关性是描述矩阵性质的重要准则,减小相关性可使重建性能提高。该文推导出所构造测量矩阵的相关性小于同条件下的高斯随机矩阵和伯努利随机矩阵。理论分析和仿真实验表明,该方式构造的测量矩阵的重建性能优于同条件下的高斯随机矩阵和伯努利随机矩阵;所构造矩阵可由线性反馈移位寄存器结构实现,易于硬件实现,有利于压缩感知理论的实用化。     

用信道编码构造压缩感知测量矩阵

压缩感知是近年来,针对稀疏信号和可压缩信号的处理而出现的一种信号处理理论。测量矩阵是压缩感知理论中的一个至关重要的环节,它对信号采样和重构算法有着重要的影响。虽然一般传统的随机测量矩阵重建信号效果比较好,但有硬件实现比较困难的问题,并需要大量的存储空间和其他缺陷。确定性测量矩阵的出现,正好弥补了这些缺点。在本文中,基于信道编码中校验矩阵特性的优势,获得了满足有限紧致特性要求的确定性测量矩阵构造方法。把校验矩阵的列向量标准化、线性组合扩展到方阵、置换列向量后构成的矩阵作为确定性测量矩阵。这种方法可以在构造完成一个信道编码校验矩阵后,很容易构造对应的测量矩阵。数值结果表明,在相同重建算法和压缩比下,这种方法的性能和随机测量矩阵大致相若,甚至有所改善。同时,本文提出方法的构造时间较少,重建时只需要运行一次,可以满足实时性需求。为压缩感知算法的实际应用提供了一种有效的测量矩阵构造方法。      

基于行列式随机循环的压缩感知测量矩阵研究

压缩感知理论,从信号的自身特性出发,通过变换作用域和线性投影实现对信号的采样和压缩。测量矩阵是该理论中获得最优测量,实现精确重构的关键。本文在介绍常用测量矩阵的基础上,重点研究了结构化测量矩阵。鉴于测量矩阵设计的最重要的原则是降低矩阵元素间的相干性,本文借鉴循环矩阵和广义轮换矩阵的优点,提出了采用均匀随机数对结构化测量矩阵进行随机循环的构造方法。仿真实验表明新矩阵在信号重建上具有更好的性能。     

压缩感知中测量矩阵与重建算法的协同构造

本文提出基于感知字典的迭代硬阈值(SDIHT)算法,以此协同构造压缩感知中测量矩阵与重建算法.将成对测量矩阵与感知字典分别用于压缩投影和构造重建算法,重建迭代至残差为零,从而精确恢复原始稀疏信号.本文证明了SDIHT算法精确恢复原始稀疏信号的充分条件.SDIHT算法的优点是重建精度高和计算复杂度低.仿真实验表明,当信号稀疏度或测量次数相同时,相比IHT、OMP和BIHT算法,SDIHT算法重建0-1稀疏信号和二维图像效果更好、算法效率更高.     

压缩感知中确定性测量矩阵构造算法综述

测量矩阵在压缩感知中起着关键性的作用,其性能会影响原始信号的压缩与重构。现有的测量矩阵多数为随机的,它们在实际应用中有存储量大、效率低等缺点,且在硬件上难以实现,故构造确定性测量矩阵对压缩感知理论的推广与应用具有重要的意义。本文回顾了国内外学者在确定性测量矩阵构造方面的研究,着重对目前已有的构造算法进行详细的介绍和分类,最后根据多种指标综合评述了各种算法的性能。     

基于感知域测量值的自适应压缩采样方法

现有的自适应采样方法需要在采集端获得原始信号,这在实际的蒸发波导相关气象要素压缩感知过程中不易实现。针对这一问题,提出了一种以测量值数据特征为依据的采样率自适应设定方法。该方法以能量表征各信号块的重要性,以观测值能量近似估计原信号块能量,根据感知域中测量值的能量变化自适应地为各块设定采样数目。理论分析和实验表明,该方法的重构性能优于传统自适应方法,相同采样率下可获得更高的重构信噪比。     

压缩感知鬼成像中观测矩阵构造

为了提高压缩感知鬼成像(CSGI)的成像效果,解决 现阶段观测矩阵存在的稳定性差、数据庞大和不 满足非负性等问题,对观测矩阵的构造方法进行研究。首先,介绍确定性随机序列 的产生方法和 性质,可以用作观测矩阵,满足有限等距要求。针对光强的非负性,提出利用偶次幂的余弦 函数产生确定 性随机序列的方法,构造观测矩阵并证明其性质;然后,通过仿真验证该观测矩阵的正确性 ,研究了序列 的初始值和函数的幂对矩阵重构性能的影响;最后,搭建实验平台,对比常用的高斯随机矩 阵(GM),分析本文方 法的适用性和优缺点。实验结果表明,在鬼成像中,利用本文所构造的随机矩阵,重 构图像峰值信 噪比(PSNR)与GM相当,但存储的数据量大大 减少,可满足鬼成像系统的快速高效、简单方便和成本低等要求。     

基于随机采样的超高分辨率成像中快速压缩感知分析

随着近年来超分辨成像技术的发展,基于单分子拟合的超分辨成像方法能够实现纳米尺度的空间分辨率,但这种方法的耗时较长,时间分辨率较差。成像重构时间较长主要受制于成像过程中每帧图像较低的荧光分子密度,所以需要足够多的采样帧数来重构一张图像。文中提出一种利用随机采样的快速压缩感知算法,结合分块压缩感知重构算法,最终能够在高分子密度的条件下获得较快的重构速度及较高的定位精度。     

基于Berlekamp-Justesen码的压缩感知确定性测量矩阵的构造

确定性测量矩阵构造是近期压缩感知领域的一个重要研究问题。该文基于Berlekamp-Justesen(B-J)码,构造了两类确定性测量矩阵。首先,给出一类相关性渐近最优的稀疏测量矩阵,从而保证其具有较好的限定等距性(RIP)。接着,构造一类确定性复测量矩阵,这类矩阵可以通过删除部分行列使其大小灵活变化。第1类矩阵具有很高的稀疏性,第2类则是基于循环矩阵,因此它们的存储开销较小,编码和重构复杂度也相对较低。仿真结果表明,这两类矩阵常常有优于或相当于现有的随机和确定性测量矩阵的重建性能。     

基于小波域滤波的迭代硬阈值压缩感知重构

图像压缩感知迭代重构算法主要采用迭代阈值法解决信号的重构问题,但是迭代阈值法仅仅利用变换系数进行阈值处理,并未考虑系数的邻域统计特性,导致重构性能不高。提出一种基于小波域滤波的迭代硬阈值迭代算法,利用小波域系数的邻域统计特性修订迭代硬阈值重构算法的代价函数,进行两步迭代收缩,并在迭代中用小波域滤波除去其中的重构噪声。实验结果表明,在相同的观测数据下,相比已有的经典算法,新算法的重构图像质量较高,并且可以获得快速的重构速度。     

基于贝叶斯假设检验的压缩感知重构

为提高贪婪类算法的重构精度,该文提出一种贝叶斯假设检验匹配追踪算法。该算法首先建立了贝叶斯假设检验模型,用于在噪声污染下识别稀疏信号非零元素的下标;其次利用追踪算法的输出下标集作为该模型的候选集,并对候选集中的每个元素进行假设检验以剔除冗余下标;最后根据剔冗后的真实下标集,采用最小二乘法重构原始信号。仿真结果表明：在相同的实验条件下,与传统贪婪类算法相比,该算法不存在冗余下标,具有更强的抗干扰能力和更高的重构精度。     

基于压缩感知的偏振鬼成像系统

偏振鬼成像系统结合了强度和偏振探测,扩展了鬼成像系统的信息量,可以进行有效的目标识别和探测。常规相关偏振鬼成像系统需要大量采样数,且复原结果信噪比低。为此提出基于缩感知的偏振鬼成像系统,利用系统获取物体的强度和偏振参数,采用压缩感知算法来反演获取物体的强度和偏振信息。利用仿真实验,采用具有相同反射率但不同偏振特性的物体进行研究,结果表明采用压缩感知算法可以在很少的采样数下获取高质量的物体强度和偏振信息,提高了系统的实时性,并与相关算法进行了对比。最后采用图像融合算法对强度和偏振信息进行了融合,通过融合信息可以有效地进行多种物体的识别。     

基于压缩感知的宽频段二维DOA估计算法

针对2维DOA估计问题,该文提出一种基于压缩感知(CS)的宽频段2维DOA估计算法,能够同时得到多个窄带信号的中心频率、方位角和俯仰角。首先利用方位向和俯仰向的空间频率分别建立过完备稀疏字典,然后通过对阵列接收数据的压缩采样得到空间频率的高分辨估计,最后通过空域滤波实现中心频率、方位角和俯仰角之间的匹配。理论分析表明,该算法具有较高的估计精度与分辨力,对信噪比(SNR)要求不高,无需多维搜索过程,且经过压缩采样降低了运算量。仿真结果验证了算法的正确性与有效性。     

基于压缩感知的自适应数字波束形成算法

该文根据目标在空间的稀疏性,提出了接收端的基于压缩感知理论的自适应数字波束形成算法。在阵元稀布的情况下,用压缩感知的压缩采样理论,恢复出缺失通道的回波信息,然后用恢复的信号做数字波束形成。该算法所形成的波束具有波束旁瓣低,指向误差小,干扰方向零陷深,而且没有栅瓣等优点,波束性能接近满阵时候的波束性能,而且使用该方法减少的阵元数远远大于其他稀布阵方法减少的阵元数。采用蒙特卡罗方法对该方法进行了性能评估,给出了不同信噪比、不同干噪比、不同快拍情况下的计算结果,仿真结果也验证了该算法的正确性。     

基于压缩感知信道能量观测的协作频谱感知算法

压缩感知为认知无线电宽带频谱感知提供了一种新思路。基于压缩感知原理,该文提出一种不需要重构宽带频谱本身,而是直接重构各信道能量的协作频谱感知方法。多个次用户使用宽带随机滤波器组获取信道能量的观测值。融合中心同步接收多个用户的能量观测,并利用同步稀疏自适应匹配追踪协作重构算法重构所有次用户的信道能量。仿真结果表明加性高斯白噪声环境下该协作感知方法所需的滤波器数目仅为传统方法的20%左右,瑞利衰落信道下也仅需传统方法的40%,有效降低了系统复杂度并改善感知性能。同时,该文提出的同步稀疏自适应匹配追踪算法对比经典的同步正交匹配追踪算法在重构精度及算法复杂度两方面都有所提升。     

基于压缩感知的SAR抑制旁瓣技术研究

压缩感知技术其数学本质是一种基于稀疏约束的欠定方程求解技术。该文提出了一种基于压缩感知的旁瓣抑制的方法,该方法在高信噪比的条件下不但可以利用场景目标散射系数稀疏先验信息抑制旁瓣,在场景目标散射系数足够稀疏的情况下还可以通过增加采样率且利用文中所介绍的方法提高分辨率且此分辨率能够突破系统能够达到的最高的物理分辨率,达到超分辨的效果;在低信噪比条件下不但较好地抑制了旁瓣,同时还抑制了噪声的影响。最后通过1维,2维成像仿真以及实际数据处理验证了此算法的有效性。