压缩感知的重构技术研究

《压缩感知的重构技术研究》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、密级於戀；公巧’ＵＤＣ６２－：３＿边＿Ｌ嗔ｋ击学号．：．２０７６‘’ｌｉ！尴，；。非Ｗｆｌ辦４Ｖ灣龄－－．馨索兩大令春硕±学位论文压缩感知的重构技术研究研巧生姓名：王希导师姓名：赵力教巧申请学化类别工学硕±学位授予单位东南大学一２０级学科名栋信息与通信工垣论文答辩ｂ１６年８月２７日ｌ期二级举科名称信号与信息处理学位授予日期年月日答辩委员会主席评阅人２０１６年８月２７日ｉ．密级一：公化＇二！－—ｉ一．汽、＾—可；自弓澀ｒ．进

2、咖咎Ｊ＇‘ＶＪ、．：ｆ朵不巧；．诚撫４—一—硕±学位论文足缩感知的重构技术研究研究生姓名：王壺导师姓名：赵力申请学位类别主空極±学位授予单位东南大学一２０级学科名称信息与通信工程论义答辩日期１６年８月２７日二统学科名称信号与信息化理学位授予日期２０年月日答辩委员会主席评阅人２０１６年８月２７日ＲＥＳＥＡＲＣＨＯＮＳＩＧＮＡＬＲＥＣＯＮＳＴＲＵＣＴＩＯＮＡＬＧＯＲＩＴＨＭＢ乂ＳＥＤＯＮＣＯＭＰＲＥＳＳＥＤＳＥＮＳＩＮＧＡＤｉｓｓｅｒｔａｔｉｏ

3、ｎＳｕｂｍｉｔｅｄ化ＳｏｕｔｈｅａｓｔＵｎｉｖｅｒｓｉｔｙＦｏｒｔｈｅＡｃａｄｅｍｉｃＤｅｒｅｅｏｆＭａ巧ｅｒｏｆＥｎｉｎｅｅｒｉｎｇｇｇＢＹＷａｎＸｉｇＳｕｅｒｖｉｓｅｄｂｐｙＡｓｓｏｃｉａｔｅＰｒｏｆｅｓｓｏｒＺｈａｏＬｉＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇＳｏｕｔｈｅａｓｔＵｎｉｖｅｒｓｉｔｙＡｕ２７２０１６ｇ东南大学学位论文独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研巧工作及取得

4、的研究成果。尽我所知，，除了文中特别加Ｗ标注和致谢的地方外论文中不包含其它人己经发表或撰写过的研究成果，也不包含为获得东南大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研巧所做的任何贡献均己在论文中作了明确的说明并表示了谢意。＇研究生签名：ｉ完曰期；ＵｌｉｉｌＪ东南大学学位论文使用授权声明东南大学、中国科学技术信息研究所、国家图书馆有权保留本人所送交学位论文的复印件和电子文文件，可Ｗ采用影印、缩印或其它复制手段保存论文。本人电子文文件的内容和一致，可Ｗ公布（包纸质论文的内

5、容相。除在保密期内的保密论文外，允许论文被查阅和借阅括刊登）论文的全部或部分内容。论文的公布（包括刊登）授权东南大学研究生院办理。乂采至系１！研究生签名：导＾名日期：＾圧缩感知的重构技术研究学生姓名：王希导师姓名：趋力东南大学信息科学与工程学院近年来，压缩感知理论受到国内外的研巧者的广泛关注，压缩感知理论突破了奈奎斯特采样速率的限制，可对信号在采样的同时进行压缩。该技术可Ｗ突破传统的奈奎斯特采样定理，在信息的获取、压缩、存储、处理、变换和传输等方面有着广泛的应用前景。、压缩感知的重构算法是压缩

6、感知理论的核屯问题，本文主要研究了压缩感知的重构算法，｜同时（＾压缩感知理论的应用为背景，研巧了基于压缩感知重构算法的语音信号处理技术，将一一亟需突破的领域相结合压缩感知理论这新技术与语音信号处理技术这，为语音信号处理识别系统性能的提升带来希望，具有重大的理论意义和实际应用价值。本文主要做了Ｗ下几方面的工作：１）研究分析了压缩感知的理论及模式识别领域中应用，分析了稀疏表示理论和压缩感知的联系与区别。介绍了主要的压缩感知重构算法，分析了这些算法的特点、优缺点和改进方向。也地瓜論马一成２）提出了种基于小

7、波树模型的改进的子空间追踪算法；分析了传统６＾算法只利用＾了信号在某个字典下是稀疏的或者可压缩的这个简单的先验知识的缺点，然后提出了将信号的小波树模型融入到ＳＰ算法中Ｗ提高算法的重构效率，提出了基于小波树模型的改进子空间追踪算法。通过仿真实验证明了由于敲入了信号的小波树模型这个先验知识，本章所提出的基于小波树模型的ＳＰ算法相比于传统的ＳＰ算法有着更高的重构效率。一３）提出了种基于自适应次梯度投影语音信号压缩与重建方法。由于采用了新的迭代更新过程和简单的投影表达式，及在具体迭代更新过程中自适应调节膨胀系数，使得本

8、文提出的算法充分利用了在不同阶段收敛速度和稳定状态时收敛性能的优势，有效地重构压缩感一知信号，本算法的计算复杂度上也有定的优势。，同时与同类别算法相比４一）提出了种基于值超向量稀疏分解的说话人识别技术。将压缩