压缩感知的一些理解

因为学习分布式视频编码,其中发展趋势有一个方向即是与压缩感知相结合,所以对压缩感知进行了学习,对其稍作了解,将其记录下来,以方便后面学习了解。

首先何为压缩感知?用远低于奈奎斯特采样频率的采样频率来采样信号,可以成功重建信号。

假设需要重构的信号X N*1,稀疏系数为K,即X N*1 中非零常数为K,远远小于N,采样信号y M*1,由测量系数矩阵ΦM× N获得M/N<<1为采样率,即采样信号远远少于源信号。

y M*1  =ΦM× N * X N*1

通常,稀疏系数K比采样M还要小,K<M<<N。

原信号X N*1 不是稀疏的,但是大部分通过稀疏基数进行压缩,因此重构信号可以通过稀疏基数进行表示

X N*1  = ΨN*N * θN*1

其中, θN*1 是 N*1信号的K系数稀疏表示, ΨN*N 系数已知,对于求解X N*1  的问题可以转换为求θN*1,

y M*1  =ΦM× N * X N*1 =ΦM× NΨN*N θN*1 =AM*N*θN*1

由公式可以看出,压缩感知的重建通过基于测量信号的传输系数而得出



由图可以看出,需要求解的 θN*1 比较简单且数据量很小






阅读更多
想对作者说点什么? 我来说一句

没有更多推荐了,返回首页