本文關(guān)鍵詞：1比特壓縮感知中的信號(hào)重構(gòu)方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：壓縮感知利用信號(hào)的稀疏性,在遠(yuǎn)低于Nyquist采樣率的情況下,隨機(jī)獲取少量的測(cè)量值,然后通過(guò)非線性重構(gòu)算法進(jìn)行高精度的重構(gòu)。而1比特壓縮感知理論在壓縮感知理論模型的基礎(chǔ)上,僅僅保留測(cè)量值的符號(hào),通過(guò)增加測(cè)量次數(shù)來(lái)達(dá)到信號(hào)的精確重構(gòu)。本文以1比特壓縮感知理論體系為研究對(duì)象,研究了符號(hào)匹配追蹤算法和二進(jìn)制迭代硬閾值算法,并針對(duì)其缺點(diǎn)和不足進(jìn)行了改進(jìn)。其具體的的工作主要包括以下幾個(gè)方面:1、以壓縮感知和1比特壓縮感知理論為研究模型,并對(duì)其三個(gè)主要方面進(jìn)行了闡述:信號(hào)的稀疏表達(dá)、觀測(cè)矩陣的設(shè)計(jì)、重構(gòu)算法的研究。同時(shí)對(duì)壓縮感知理論的一個(gè)分支1比特壓縮感知模型進(jìn)行了深入研究,該模型對(duì)信號(hào)測(cè)量值進(jìn)行1比特的量化,取其符號(hào)值然后通過(guò)重構(gòu)算法來(lái)進(jìn)行信號(hào)的重構(gòu)。2、提出了向前向后符號(hào)匹配追蹤算法。該算法在基于符號(hào)匹配追蹤算法的基礎(chǔ)上,將FBP算法的支撐集搜索模式引入到符號(hào)匹配追蹤算法當(dāng)中去,提出了向前向后符號(hào)匹配追蹤算法,旨在解決稀疏度未知情況下的信號(hào)自適應(yīng)重構(gòu)。實(shí)驗(yàn)表明,提出的向前向后符號(hào)匹配追蹤算法不僅能實(shí)現(xiàn)信號(hào)的盲重構(gòu),同時(shí)降低了算法的運(yùn)行時(shí)間。3、提出了塊稀疏二進(jìn)制迭代硬閾值算法。該算法將塊稀疏模型引入到二進(jìn)制迭代硬閾值算法中,提出了BLOCK-BIHT算法,算法通過(guò)以每一個(gè)塊為單位,對(duì)塊信號(hào)進(jìn)行分塊處理,降低了信號(hào)的稀疏度,保留了信號(hào)本身固有的結(jié)構(gòu),使得算法的計(jì)算次數(shù)降低了。實(shí)驗(yàn)表明,低比特情況下,BLOCK-BIHT算法相比BIHT算法具有更高的重構(gòu)精度。
【關(guān)鍵詞】：信號(hào)處理 壓縮感知 1比特 符號(hào)匹配追蹤 二進(jìn)制迭代硬閾值
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TN911.7

【參考文獻(xiàn)】

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 李小波;基于壓縮感知的測(cè)量矩陣研究[D];北京交通大學(xué);2010年

  本文關(guān)鍵詞：1比特壓縮感知中的信號(hào)重構(gòu)方法研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：478079