基于壓縮感知的超分辨率理論與技術研究.pdf

1、在通信領域，需要處理的信號的量越來越大，信號本身也越來越復雜。傳統(tǒng)的信號處理框架中，信號的采樣受限于奈奎斯特采樣率，無法應對這種情況下的數(shù)據。而壓縮感知技術突破了奈奎斯特采樣率，其利用信號的稀疏性，可以以極低的采樣率對信號進行采樣并精確重構。近年來，很多學者將壓縮感知技術和超分辨率技術結合起來，希望在利用壓縮感知技術采樣量少的優(yōu)勢的同時，得到超分辨率的信號估計和恢復算法。
　　本文分析了經典壓縮感知算法、傳統(tǒng)超分辨率算法和基于壓縮

2、感知的超分辨率算法。典型的壓縮感知算法，如正交匹配追蹤算法、基追蹤算法、迭代硬判決算法、迭代重加權最小二乘算法、貝葉斯算法等，都致力于在獲取極少采樣值的時候，精確的重構信號。而傳統(tǒng)的超分辨率算法，如MUSIC和ESPRIT，都是基于子空間的算法，在采樣值較多的時候，可以取得很高精度的估計值?；趬嚎s感知的超分辨率算法，如最近提出的SIHT、OGSBI、DicRefCS、SDP等算法，都在結合了壓縮感知技術所需樣本少的特點的基礎上，獲得了

3、不錯的恢復精度。
　　基于對上述算法的分析，并考慮到現(xiàn)有的基于壓縮感知技術的超分辨率算法都會遇到基不匹配的問題，且其性能并不是十分理想。本文分別提出了無噪和有噪情況下，基于壓縮感知的迭代重加權聯(lián)合估計與恢復的超分辨率算法，較好的解決了基不匹配問題。并提出了有效的策略對有噪情況下的正則化參數(shù)進行動態(tài)的選取。針對譜線估計和波達方向角估計問題的仿真實驗表明，本文提出的迭代重加權聯(lián)合估計與恢復算法相較于現(xiàn)有的基于壓縮感知技術的算法具有較明