压缩感知理论研究及其cuda实现

《压缩感知理论研究及其cuda实现》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、汕头大学硕士学位论文题目压缩感知理论研究及其CUDA实现英文题目StudyandCUDARealizationofCompressiveSensingTheory姓名刘常春学号10909039所在学院工学院导师姓名沈民奋专业信号与信息处理入学时间2009年9月答辩日期2012年5月学位论文原创性声明本论文是我个人在导师指导下进行的工作研究及取得的研究成果。论文中除了特别加以标注和致谢的地方外，不包含其他人或其它机构已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在论文中以明确方式标明。本

2、人完全意识到本声明的法律责任由本人承担。作者签名：日期：年月日学位论文使用授权声明本人授权汕头大学保存本学位论文的电子和纸质文档，允许论文被查阅和借阅；学校可将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或其它复制手段保存和汇编论文；学校可以向国家有关部门或机构送交论文并授权其保存、借阅或上网公布本学位论文的全部或部分内容。对于保密的论文，按照保密的有关规定和程序处理。本论文属于：保密（），在年解密后适用本授权声明。不保密（）。（请在以上括号内打“√”）作者签名：导师签名：日期：年

3、月日日期：年月日摘要在数字化的今天，无论是信号的采集还是数据的传输，都面临着对海量数据的处理。而作为信息论基础的奈奎斯特准则，不但无法改善这一状况，甚至在某种程度上束缚了新技术的实际应用和发展。有幸的是，一个新的理论——压缩感知(CS,CompressiveSensing)理论，成功的打破了奈奎斯特准则的限制，并得到广泛关注和研究应用。压缩感知理论是以极低的采样率进行采样的，远低于奈奎斯特准则规定的采样率。但是，压缩感知理论的低采样率是以重构算法的复杂性换来的，因此，压缩感知理论尤其是信号的重构面临着大数

4、据量的运算。可喜的是，基于图形处理器(GPU,GraphicsProcessingUnits)并行运算的通用性研究，可以方便且有效的解决大数据运算量的问题。NVIDIA公司推出的统一计算设备架构(CUDA,ComputeUnifiedDeviceArchitecture)，极大地促进了GPU通用计算的开发应用。本文的主要工作，就是使用基于GPU并行运算的CUDA来实现压缩感知理论的算法，包括离散小波变换(DWT,DiscreteWaveletTransform)和正交匹配追踪(OMP,Orthogonal

5、MatchingPursuit)，并实现对于图像的压缩感知处理。为了体现GPU的运算能力，同时使用基于CPU串行运算的OpenCV(OpenSourceComputerVisionLibrary)实现所述算法，并对两者做出比较。实验结果表明，GPU具有强大的运算能力，并且使用CUDA可以方便高效的实现压缩感知理论的算法。与基于CPU串行运算的OpenCV相比，基于GPU并行运算的CUDA更具优越性，尤其是对于具有大数据计算量的OMP算法。最后，对压缩感知理论的算法进行CUDA设计时，应该考虑两个因素，即数

6、据吞吐量和数据运算量，因为基于GPU并行运算的CUDA更适合于处理吞吐量小而运算量大的数据。关键词：压缩感知理论；离散小波变换；正交匹配追踪；图形处理器；统一计算设备架构IAbstractToday,thedigitaltime,notonlysignalacquisitionbutalsodatatransmission,faceswithmassivedataprocessing.Asthefoundationofinformationtheory,Nyquistcriterioncan’tdealw

7、iththissituation,evenhindersthepracticalapplicationanddevelopmentofnewtechnologiestosomeextent.Fortunately,anewtheory,compressivesensingtheory,breaksthelimitationofNyquistcriterion.Itreceivesextensiveattentionandresearch.Compressivesensingcollectstheinfor

8、mationbasedonaverylowsamplingrate,farbelowtheNyquistsamplingrate.However,thelowsamplingrateofcompressivesensingtheoryisbasedonmorecomplexityofthereconstructionalgorithm.Compressivesensingtheory,especiallythereconstr