基于信号结构特性的压缩感知关键技术研究.pdf

基于信号结构特性的压缩感知关键技术研究.pdf

ID:50117890

大小:14.76 MB

页数:116页

时间:2020-03-06

基于信号结构特性的压缩感知关键技术研究.pdf_第1页
基于信号结构特性的压缩感知关键技术研究.pdf_第2页
基于信号结构特性的压缩感知关键技术研究.pdf_第3页
基于信号结构特性的压缩感知关键技术研究.pdf_第4页
基于信号结构特性的压缩感知关键技术研究.pdf_第5页
资源描述:

《基于信号结构特性的压缩感知关键技术研究.pdf》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、题目:基于信号结构特性的压缩感知关键技术研究学号;2011010074姓名:李卫卫专业:通信写信息系统导师:蒋挺..'、..:学院:信息与通信工程学院在;V吃#?-2M5年日式攝沪密级;保密期限;妹古卸索大,#博±学位论文题目;某于信号结构特性的压缩感知关键技术研究学号:2011010074姓名:李卫卫专业:通信与信息系统导师:蒋挺学院:信息与通信工程学院2015年4月27日声明独创性(或创新性)声明本人声明所呈交的论文是本人在导师指导下进行的研究工

2、作及取得的研究。成果,除了文中特别加W标注和致谢中所罗列的内容W外尽我所知,论文中不包含其它人已经发表或撰写过的研究成果,也不包含为获得北京邮电大学或其它教育机构的学位或证书而使用过的材料一。与我同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。一申请学位论文与资料若有不实之处,本人承担切相关责任。本人签名:棄里卫日期:关于论文使用授权的说明学位论文作者完全了解北京邮电大学有关保留和使用学位论文的规定:,即研究生在校攻读学位期间论文工作的知识产权单位属北京邮电大学。学校有权保留并向国家有关部口或机构送交论文的复印件

3、和磁盘,允许学位论文被查阅巧借阅;学校可W公布学位论文的全部或部分内容,可W允许采用影印、缩印或其它复制手段保存、汇编学位论文。(保密的学位论文在解密后遵守此规定)保密论文注释:本学位论文属于保密在年解密后适用本授权书。非保密论文注释:本学位论文不属于保密范围,适用本授权书。本人签名.M:建互互日期:cW导师签名;日期:如化.本文的研巧;得到下基金项目的资助:1.国家自然科学基金项目:基于脉冲超宽带技术的传感信息提取与处理方法No.61171176()北京邮电大学博±论文摘要基于信号结构特性的压缩感知关键技术硏究摘要

4、压缩感知或压缩义样(ComressedSensingorComressiveSamplin,ppgCS)理论为信号压缩编码技术带来了新的革命性突破。相比于传统的采样压缩算法,压缩感知在降低数据采集和处理成本、节约存储空间、提高传输效率等方面具有巨大的潜力。本论文选题具有重要的理论意义和广阔的应用前景。本文的主要目标是设计并优化CS算法提高信号的重构质量与精度,为将CS理论成功推广并应用于实际数据压缩采样系统奠定良好的基础。论文的主要研究工作是将压缩感知理论与信号的结构特性相结合,提出有效的算法,扩展和丰富了CS理论。主要研究成果和创新点包

5、括:一1.针对基于小波变换的稀疏表示使得图像的部分信息在测量采样一之前就己丢失的问题,提出了种基于图像子块相似性的分块压缩感知(b-lockCS)算法。利用图像子块的相似性,提出分类算法,W类为基本单位对图像子块进行处理,提高了变换系数的稀疏度,减少了信息的丢失。仿真结果表明,所提算法在相同测量数目的条件下有效提高了重构图像的质量。一2,.为了提高分块压缩感知算法的性能提出了种基于图像子块相似性的分类压缩感知(C山steringComressedSensin,CCS)算法。该算pg一法同样利用图像子块的相似性,将分类算法引入到CS框架

6、中,选取每类中最优的公共图像子块作为代表进行传输,而不是传输全部的图像子一块,减少了系统所需传送的数据量。此外,为了进步提高CCS算法的-CCS性能,提出基于小波系数特性的不等分类压缩感知(unequal)算法。b-lockCS算法仿真结果表明,相比于己有的,所提算法能够显著提高重构图像的质量。一一3.为了使般的图像信号也可W用于多测量向量模型,提出了种基于图像小波系数特点的结构化CS算法。首先利用小波系数的四叉树表(示,SinleMeasurementVector,SMV),提出了插零算法将单测量向量gI北京邮电大学博±论文摘要模

7、型的重构问题转换为多测量向量(MultipleMeasurementVectors,MMV一般的图像信号可用于MMV)模型的联合稀疏重构问题,使得模型一步提高图像的重构精,而不仅限于几类特殊信号。此外,为了进度,利用图像子块的相似性,将分类算法引入到MMV模型转换框架中,增加了联合稀疏矩阵的列数。在相同测量数目的条件下,提出的算法能够显著提高图像的重构精度。4一MMV模型应用中的一.针对维信号在局限性种基于信,提出了CS算法一号波形相似性的结构化。

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。