![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
压缩感知
文章平均质量分 61
电气秃头大叔
保护可定制
展开
-
压缩感知的未来研究方向
另外, 自适应的观测矩阵设计也是观测矩阵设计的一个重要方面. 在众多有关压缩感知理论的文献中,大部分的观测矩阵都是预先设计好的, 不需要根据观测信号而自适应变化. 实际上, 如果能够进行自适应的观测, 压缩感知的压缩性能可以得到进一步的提高. 在文献[ 4] 中, 作者用Bayes 估计的观点对压缩感知做出了一种全新的解释. 在文献中, 压缩感知的解的可信度可以通过微分熵来衡量, 这样在已有观测的基础上, 下一次最优的观测向量应该使问题解的微分熵下降最快, 它可以由已有的观测向量和观测值唯一确定. 而。原创 2023-06-08 18:56:33 · 856 阅读 · 4 评论 -
MP算法、OPM算法和SP算法对比分析
由图1可知,采样率相同的情况下,BP算法重构的时间最长,MP算法重构所需要的时间最短。OMP算法中迭代次数较MP算法少,但是需要正交化处理,所以重构的时间会比MP算法长。前面分析了MP算法、OPM算法和SP算法的原理以及采样率和信噪比对三种算法的影响。由上面的图1,图2,图3中三种算法的对比图中可知,从重构时间,重构误差方面考虑的话,OMP算法是三种算法中性能最折中的算法。由图3可知,三种算法都是随着信噪比的增加,MSE下降。由图2可知,随着采样率的增加,算法的误差都减小,MP算法的误差下降的更快。原创 2023-06-07 17:26:48 · 544 阅读 · 2 评论 -
采样率(压缩比)对SP算法的影响
表3中测量了不同采样率对应的BP算法中重构的MSE和时间的值,从表格中可知,BP算法和MP,OMP算法一样,也是采样率越大,重构产生的MSE越小,重构的图形越接近原始图形,但是时间也会增大,同样增加了计算的复杂度。在二维图片中,采样率越大,重构的图片越清晰。由图5中的四个图片可知,BP算法和MP,OMP算法一样,采样率越大,重构的图形效果越好,在应用的时候要想获得很好的重构图片就需要较高的采样率,但是所需要的时间也就会会越长。图5:BP重构的不同采样率的lena重构图形。原创 2023-06-05 10:39:21 · 130 阅读 · 0 评论 -
采样率(压缩比)对OMP算法的影响
图1的(a)图是原始图片,(b)为采样率为0.3时的重构图,(c)图是采样率为0.5时的重构图,(d)图是采样率为0.8时的重构图。表1中测量了不同采样率对应的OMP算法中重构的MSE和时间的值,从表格中可知,OMP算法和MP算法一样,也是采样率越大,重构产生的MSE越小,重构的图形越接近原始图形,但是时间也会增大,同样增加了计算的复杂度。由图1中的四个图片可知,OMP算法和MP算法一样,采样率越大,重构的图形效果越好,在应用的时候要想获得很好的重构图片就需要较高的采样率,但是所需要的时间也会越大。原创 2023-06-04 16:57:49 · 592 阅读 · 3 评论 -
采样率对MP重构算法的影响
图3的(a)图是原始图片,(b)为采样率为0.3时的重构图,(c)图是采样率为0.5时的重构图,(d)图是采样率为0.8时的重构图。表1中测量了不同采样率对应的MP算法中重构的MSE和时间的值,从表格中可知,采样率越大,重构产生的MSE越小,重构的图形越接近原始图形,但是时间也会增大,增加了计算的复杂度。由图3中的四个图片可知,采样率越大,重构的图形效果越好,在应用的时候要想获得很好的重构图片就需要较高的采样率,但是所需要的时间也会越大。图3:MP重构的不同采样率的lena重构图形。原创 2023-06-03 21:08:57 · 84 阅读 · 7 评论 -
压缩感知重构之基追踪
BP算法对二维信号进行重构,在这里我们采取和MP算法二维信号重构的方法,也是先采取离散余弦变换(dct)使数据稀疏,算法重构结束之后再进行离散反余弦变换(idct),这样就转化为了我们所需要的。由于我们所要求解的问题是方程的个数远远大于未知数的个数,用0范数求解是很难求解出来的,这样就找到一种用范数来代替范数求解的方法,BP (Basis Pursuit )算法就是利用范数求解的一种很好的方法。BP算法不是直接寻求信号的稀疏表示,只是表示的用于最小化的的系数[1],通过等价信号的最小化的范数表示。原创 2023-06-02 17:41:25 · 796 阅读 · 5 评论 -
压缩感知重构之凸松弛法
由(b)图可知,1范数在二维空间中的图形是一个如(b)图的菱形,排除直线和菱形的一条边平行的情况,直线向菱形逼近的过程中,首先相交于菱形的四个点,也就是坐标轴上的点,这也就是我们所要求的稀疏的解;因为重构算法关系着信号能否精确重建,国内外的研究学者致力于压缩感知的信号重建,并且取得了很大的进展,提出了很多的重构算法,每种算法都各有自己的优缺点,使用者可以根据自己的情况,选择适合自己的重构算法,大大增加了使用的灵活性,也为我们以后的研究提供了很大的方便。1.组合算法 2.贪婪算法 3.凸松弛算法。原创 2023-06-01 21:20:46 · 1137 阅读 · 2 评论 -
压缩感知重构之广义正交匹配追踪法
算法的重构是压缩感知中重要的一步,是压缩感知的关键之处。因为重构算法关系着信号能否精确重建,国内外的研究学者致力于压缩感知的信号重建,并且取得了很大的进展,提出了很多的重构算法,每种算法都各有自己的优缺点,使用者可以根据自己的情况,选择适合自己的重构算法,大大增加了使用的灵活性,也为我们以后的研究提供了很大的方便。广义正交匹配追踪(Generalized OMP, gOMP)算法可以看作为OMP算法的一种推广。贪婪算法首先选取合适的原子,再逐步进行递增,进而逼近信号矢量,利用这种过程进行。原创 2023-06-01 21:12:50 · 592 阅读 · 3 评论 -
压缩感知的主要运用
这些波形要求是与信号所在的稀疏空间不相关的。对于带宽非常高的信号, 例如雷达和通信信号处理系统涉及的射频信号, 根据香农采样定理, 要获得完整的信号信息, 所采用的模数转换器必须有很高的采样频率. 然而由于传感器及转换硬件性能的限制, 获得的信号的带宽远远低于实际信号的带宽, 存在较大的信息丢失. 对此Kriolos等设计了基于压缩传感理论的模拟/信息转换器, 利用压缩传感理论中测量信息可以得到完整信号的原理, 首先获得原始信号的线性测量, 再利用后端DSP重构原始信号或直接计算原始信号的统计数据等信息。原创 2023-05-29 17:54:40 · 470 阅读 · 1 评论 -
压缩感知原理
信号不同,对应最稀疏表达的基也会不同,比如,对于一维信号可能小波基是最稀疏的,而对于图像而言,可能那些Curvelet和contourlet是最优的,对于有些信号,也有可能需要将几种基结合起来才是最优的。我们会得到一些机变,保留最大的,最有意义的系数在里头。感知压缩难点在于,压缩后的数据并不是压缩前的数据的一个子集,并不是说,本来有照相机的感光器上有一千万个像素,扔掉其中八百万个,剩下的两百万个采集到的就是压缩后的图像,──这样只能采集到不完整的一小块图像,有些信息被永远的丢失了而且不可能被恢复。原创 2023-05-29 17:39:11 · 2591 阅读 · 5 评论 -
压缩感知重构之匹配追踪算法
我们知道压缩感知重构的是可压缩的稀疏信号,二维信号是不稀疏的,这就要在进行算法重构的时候进行一些处理,我们可以先采用离散余弦变换(dct)使数据稀疏,算法重构结束之后再进行离散反余弦变换(idct),这样就转化为了我们所需要的。因为重构算法关系着信号能否精确重建,国内外的研究学者致力于压缩感知的信号重建,并且取得了很大的进展,提出了很多的重构算法,每种算法都各有自己的优缺点,使用者可以根据自己的情况,选择适合自己的重构算法,大大增加了使用的灵活性,也为我们以后的研究提供了很大的方便。原创 2023-05-30 11:45:59 · 1626 阅读 · 7 评论 -
压缩感知重构算法之正交匹配追踪算法(OMP)
MP算法的信号分解中步骤中介绍:,这说明信号在已经选择的原子上的投影(等是右边第一项)是非正交的,还存在着残差,也就是说每次迭代的过程是次最优的,不是最优解,要想最终的迭代收敛,需要的迭代次数较多。因为重构算法关系着信号能否精确重建,国内外的研究学者致力于压缩感知的信号重建,并且取得了很大的进展,提出了很多的重构算法,每种算法都各有自己的优缺点,使用者可以根据自己的情况,选择适合自己的重构算法,大大增加了使用的灵活性,也为我们以后的研究提供了很大的方便。(1)一维离散信号的OMP算法仿真。原创 2023-05-30 11:59:12 · 7029 阅读 · 7 评论 -
压缩感知重构之分段正交匹配追踪算法
分段正交匹配追踪(Stagewise OMP)也是由OMP改进而来的一种贪心算法,与CoSaMP、SP算法类似,不同之处在于CoSaMP、SP算法在迭代过程中选择的是与信号内积最大的2K或K个原子,而StOMP是通过门限阈值来确定原子。因为重构算法关系着信号能否精确重建,国内外的研究学者致力于压缩感知的信号重建,并且取得了很大的进展,提出了很多的重构算法,每种算法都各有自己的优缺点,使用者可以根据自己的情况,选择适合自己的重构算法,大大增加了使用的灵活性,也为我们以后的研究提供了很大的方便。原创 2023-05-31 19:45:45 · 837 阅读 · 6 评论 -
压缩感知重构之分段弱正交匹配追踪法
分段弱正交匹配追踪(Stagewise Weak OMP)可以说是StOMP的一种修改算法,它们的唯一不同是选择原子时的门限设置,这可以降低对测量矩阵的要求。算法的重构是压缩感知中重要的一步,是压缩感知的关键之处。因为重构算法关系着信号能否精确重建,国内外的研究学者致力于压缩感知的信号重建,并且取得了很大的进展,提出了很多的重构算法,每种算法都各有自己的优缺点,使用者可以根据自己的情况,选择适合自己的重构算法,大大增加了使用的灵活性,也为我们以后的研究提供了很大的方便。(3)分段正交匹配追踪算法。原创 2023-05-31 19:50:03 · 769 阅读 · 5 评论