单比特压缩感知框架下的重构算法分析

《单比特压缩感知框架下的重构算法分析》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、万方数据中图分类号：UDC：学校代码：10055密级：公开氨蕊犬淫硕士学位论文单比特压缩感知框架下的重构算法分析Theanalysisofreconstructionalgorithmintheframeofone—bitcompressedsensing论文作者赵诗环指导教师张胜申请学位硕士培养单位数学科学学院学科专业计算数学研究方向偏微分方程数值解答辩委员会主席段火元评阅人杨庆之吴春林南开大学研究生院二。一四年四月万方数据南开大学学位论文使用授权书根据《南开大学关于研究生学位论文收藏和利用管理办法》，我校的

2、博士、硕士学位获得者均须向南开大学提交本人的学位论文纸质本及相应电子版。本人完全了解南开大学有关研究生学位论文收藏和利用的管理规定。南开大学拥有在《著作权法》规定范围内的学位论文使用权，即：(1)学位获得者必须按规定提交学位论文(包括纸质印刷本及电子版)，学校可以采用影印、缩印或其他复制手段保存研究生学位论文，并编入《南开大学博硕士学位论文全文数据库》；(2)为教学和科研目的，学校可以将公开的学位论文作为资料在图书馆等场所提供校内师生阅读，在校园网上提供论文目录检索、文摘以及论文全文浏览、下载等免费信息服务；(

3、3)根据教育部有关规定，南开大学向教育部指定单位提交公开的学位论文；(4)学位论文作者授权学校向中国科技信息研究所及其万方数据电子出版社和中国学术期刊(光盘)电子出版社提交规定范围的学位论文及其电子版并收入相应学位论文数据库，通过其相关网站对外进行信息服务。同时本人保留在其他媒体发表论文的权利。非公开学位论文，保密期限内不向外提交和提供服务，解密后提交和服务同公开论文。论文电子版提交至校图书馆网站：http：#202．113．20．161：8001／paper／index．jsp。本人承诺：本人的学位论文是在南

4、开大学学习期间创作完成的作品，并已通过论文答辩；提交的学位论文电子版与纸质本论文的内容一致，如因不同造成不良后果由本人自负。本人同意遵守上述规定。本授权书签署一式两份，由研究生院和图书馆留存。作者暨授权人签字：——20年月日论文题目单比特压缩感知框架下的重构算法分析姓名赵诗环学号2120110049答辩日期论文类别博士口学历硕士●硕士专业学位口高校教师口同等学力硕士口院／系／所数学科学学院专业计算数学联系电话13821308507Emailzhaoshihuan1989@163．corn通讯地址(邮编)：南开大

5、学数学科学学院备注：是否批准为非公开论文刁；口注：本授权书适用我校授予的所有博士、硕士的学位论文。由作者填写(一式两份)签字后交校图书馆，非公开学位论文须附《南开大学研究生申请非公开学位论文审批表》。万方数据南开大学学位论文原创性声明本人郑重声明：所呈交的学位论文，是本人在导师指导下进行研究工作所取得的研究成果。除文中已经注明引用的内容外，本学位论文的研究成果不包含任何他人创作的、己公开发表或者没有公开发表的作品的内容。对本论文所涉及的研究工作做出贡献的其他个人和集体，均己在文中以明确方式标明。本学位论文原创性

6、声明的法律责任由本人承担。学位论文作者签名：——年月日非公开学位论文标注说明r本页表中填写内容须打印J根据南开大学有关规定，非公开学位论文须经指导教师同意、作者本人申请和相关部门批准方能标注。未经批准的均为公开学位论文，公开学位论文本说明为空白。论文题目申请密级口限制(≤2年)口秘密(≤10年)口机密(≤20年)保密期限20年月日至20年月日审批表编号批准日期20年月日南开大学学位评定委员会办公室盖章(有效)注：限制-k2年(可少于2年)；秘密★10年(可少于10年)：机密★20年(可少于20年)万方数据中文摘

7、要在传统的压缩感知理论中，观测值是定义在实数域上的，必须先经过量化(quantized)为有限个比特位数才能被系统识别及存储．尤其是在分布式系统中，数据采集常常受到带宽和能量的限制，因此会产生量化失真．在量化压缩感知模型中，经过量化的值就是采集到的观测值．单比特压缩感知是量化压缩感知的极限形式，该方法采集的是观测值的符号，仅需要1个比特单元来记录这个值，因此在硬件实施上成本低，运行速度快．与传统的压缩感知方法相比，单比特压缩感知中每个观测值占用的比特数变少了，观测数量也会相应地增大．如果传输和存储过程中的总的比

8、特数一定，在某些情况下，单比特压缩感知可能会优于传统的压缩感知．在单比特压缩感知框架下，本文基于自适应异常值追踪算法(AdaptiveOutlierPursuit)和log—sum迭代算法，提出了一种对噪声自适应的加权迭代算法．当观测符号向量b发生随机翻转时，该方法通过不断探测翻转位置来精确恢复信号．与已有的AOP方法比较，该方法不需要信号稀疏度K的先验信息，同时可得到比较稀疏的解．该