资源描述：
《压缩感知及应用》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、第31卷第3期微计算机应用Vol31No32010年3月MICROCOMPUTERAPPLICATIONSMar2010*压缩感知及应用1,22李卓凡闫敬文1(韩山师范学院物理与电子工程系潮州5210412汕头大学工学院汕头515063)摘要:传统的信号采样必须遵循香农采样定理,产生的大量数据造成了存储空间的浪费。压缩感知(CS)提出一种新的采样理论,它能够以远低于奈奎斯特采样速率采样信号。压缩感知的基本论点是如果信号具有稀疏性,可投影到一个与变换基不相关的随机矩阵并获得远
2、少于信号长度的测量值,再通过求解优化问题,精确重构信号。本文详述了压缩感知的基本理论,压缩感知适用的基本条件:稀疏性和非相干性,测量矩阵设计要求,及重构算法的RIP准则,并介绍了压缩感知的应用及仿真。仿真结果表明当采样个数大于Klog(N/K),就能将N维信号稳定地重建出来。关键词:压缩感知观测矩阵稀疏性RIPTheoryandApplicatonofCompressiveSensingLIZhuofan,YANJingwen1(Physicsandelectronicengineeringde
3、partment,HanshanNormalCollege,Chaozhou,521041,China;2CollegeofEngineering,ShantouUniversity,Shantou,Guangdong,515063,China)Abstract:ConventionalapproachestosamplingsignalsfollowShannonprincipleIttakegreatcostsondatastorageInthispaper,thetheoryofCompres
4、sivesensingisintroducedCompressivesensingprovidesanewsamplingtheorytosamplesignalbelowtheNyquistrateIfsignalorimageissparseinsomeorthonormalbasis,signalorimagecanberecoveredfromsmallnumberofmeasurementusinganoptimizationprocessThestructureofthesignali
5、spreservedinthemeasurementandthemeasurematrixisincoherentwiththeor-thonormalbasisCSreliesontwoprinciples:sparsityandincoherenceRIPprincipleistheprecondictionofdesigningreconstructionalgorithmTheapplicationofCStheoryareintroducedandthesimulationisillus
6、tratedindetailsThesimulationshowthatthesignalcanbereconstructedstablelywhenthenumberofsamplesislargerthanKlog(N/K)Keywords:compressivesensing,measurementmatrix;sparsity,RIP1引言传统的信号采样以奈奎斯特采样定理为基础。在获取信号时,为了不丢失信号的信息,采样频率必须大于信号中最高频率的两倍,才能精确重构信号。但是随着科技的迅速
7、发展,高分辨率的数码装置的采样产生了庞大的数据,如何更高效地处理这些数据并最大限度地节省存储和传输的成本是一大难题。实际上采样得到的大部分数据是不重要的,在信号或图像的处理过程中,只保留了某些重要的数据,舍弃了大量的剩余数据,重构后的信号或图像并不会引起视觉上的差异。于是科学家们提出一个构想,既然采集到的数据大部分都是不重要的,可以被丢弃,能否直接地采集那部分重要的、最后没有被丢弃数据,并且能够精确地本文于2009-12-14收到。*基金项目:国家自然科学基金(项目批准号:40971206)。3期李
8、卓凡等:压缩感知及应用13重构原始信号或图像。[1,9]在2004年,由Donoho等人提出了压缩感知(compressedsensing,简称CS)理论。压缩感知理论表示:如果信号通过某种变换(如傅立叶变换,小波变换等)后,是可稀疏表示或可压缩的,则可设计一个与变换基不相关的测量矩阵测量信号,得到的测量值通过求解优化问题,可实现信号的精确或近似重构。测量后,信号f由N维减少到M维(M<
