欢迎来到天天文库
浏览记录
ID:20766508
大小:5.73 MB
页数:68页
时间:2018-10-15
《局部时变信号的稀疏表示与压缩传输技术研究》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、局部时变信号的稀疏表示与压缩传输技术研究重庆大学硕士学位论文(学术学位)学生姓名:李韬指导教师:林金朝教授吴玉成教授专业:信息与通信工程学科门类:工学重庆大学通信工程学院二O一七年十月StudyonTechnologiesofSparseRepresentationandCompressingTransmissionofLocalTime-varyingSignalAThesisSubmittedtoChongqingUniversityinPartialFulfillmentoftheRequirementfortheMaster’sDe
2、greeofEngineeringByLiTaoSupervisor:Prof.LinJinzhaoSupervisor:Prof.WuYuchengSpecialty:InformationandCommunicationEngineeringCollegeofCommunicationEngineeringofChongqingUniversity,Chongqing,ChinaOctober,2017重庆大学硕士学位论文中文摘要摘要局部时变信号广泛存在于视频监控、工业控制、电力系统、水下信号传输等现实世界中,如何降低连续局部时变信号的
3、带宽和节点电能消耗,同时高效稳定地进行信号传输一直是研究的热点。论文提出一种基于鲁棒主成分分析的自适应压缩传输方法,通过对局部时变信号的稀疏表示与压缩传输从而实现信号的高效可靠传输,主要内容如下:①论文围绕局部时变信号的稀疏表示与压缩传输问题,梳理了稀疏表示与压缩传输的研究现状与发展动态,根据信号全局稳定、局部时变的特点,整理了稀疏表示、时变信号、压缩感知、主成分分析等相关基础理论,分析了局部时变信号进行稀疏表示与压缩传输的可行性。②针对当前方法较少考虑时变信号中信号数据前后之间的相关关系问题,提出了基于RPCA的信号稀疏表示与自适应压缩传
4、输的方法及流程,将连续局部时变信号划分为两部分:背景模型和前景模型,背景模型相对稳定可不定期进行自适应传输,前景模型是一个稀疏模型可实时压缩传输。仿真结果表明基于RPCA的方法有效实现了时变信号的压缩传输,在保证数据重构误差的情况下,有效降低了数据的压缩比。③针对时变信号中存在不同噪声的问题,提出了基于贝叶斯鲁棒主成分分析的信号稀疏表示与压缩传输方法,通过引入贝叶斯先验,将经验纳入模型中,更有效的进行数据压缩,解决不同噪声水平对压缩算法鲁棒性带来的挑战。提出了DCS与BRPCA结合的压缩传输方法,进一步降低压缩比,提高传输效率。仿真结果表明
5、基于BRPCA的方法在重构误差、压缩率等指标上具有更好的性能。关键词:稀疏表示,压缩传输,鲁棒主成分分析,背景模型,参数估计I重庆大学硕士学位论文英文摘要ABSTRACTLocaltime-varyingsignaliscommonlyadoptedinthefieldssuchasvideosurveillance,industrialcontrol,powersystemsandunderwatersignaltransmission.Toreducethebandwidthandpowerconsumptionofthelocalti
6、me-varyingsignals,andtoensuretheefficiencyandstabilityofthetransmissionmeantimehasalwaysbeentheresearchfocus.Thisthesisproposesanadaptivecompressiontransmissionalgorithmbasedonrobustprincipalcomponentanalysis,whichachievesefficientandreliablesignaltransmissionthoughsparser
7、epresentationandcompressiontransmissionofthelocaltime-varyingsignal.Themaincontentsaresummarizedasfollows:①Thisthesisintroducestheresearchstatusanddevelopmenttendencyofthesparserepresentationandcompressiontransmission,explainssomebasicrelativetheoriessuchassparserepresenta
8、tion,Localtime-varyingsignal,compressedsensingandprincipalcomponentanalysis,analyzesthefe
此文档下载收益归作者所有