![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
压缩感知入门
文章平均质量分 64
superdont
电子工业出版社优秀作者,代表作《OpenCV轻松入门》(累计印刷超过20次),《计算机视觉40例》等。
展开
-
压缩感知的概述梳理(4)
变量/概念描述公式/应用x原始信号u_i正交基矩阵的列向量第i列元素s_i系数向量配合(u_i)定义xU测量矩阵/正交基矩阵尺寸:M × Ny压缩后的信号(y = Ux), 尺寸:M × 1K非零系数个数(K)-稀疏性,若(K \ll N)|x|1x的L1范数,用于最小化问题OMP正交匹配追踪,重构算法每次迭代选择最优项来重构。原创 2024-04-18 10:47:38 · 10426 阅读 · 0 评论 -
压缩感知的概述梳理(3)
压缩感知原创 2024-04-18 10:23:26 · 372 阅读 · 0 评论 -
压缩感知的概述梳理(2)
变量/概念描述公式/关系备注x稀疏信号对应于非稀疏信号s在频域的稀疏表示s非稀疏自然信号在频域通过正交基W稀疏表示U测量矩阵必须满足RIPy测量向量(y = Ux)CR压缩比CR = M/NW正交基,用于s的频域稀疏表示(\hat{x})最小化l1范数的稀疏信号重建通过SL0算法求解PCS并行压缩感知独立对列进行采样和重建降低存储和计算复杂度此图和表格展示了并行压缩感知的基本理论、变量、过程和实现原理,使我们能够清晰地把握其核心概念及应用方法。原创 2024-04-18 10:10:19 · 488 阅读 · 0 评论 -
压缩感知的概述梳理(1)
压缩感知的基本概念原创 2024-04-18 10:03:46 · 494 阅读 · 2 评论