版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、稀疏性是自然界信號(hào)普遍存在的一種特性,是指信號(hào)的非零變換系數(shù)數(shù)量遠(yuǎn)小于信號(hào)的長(zhǎng)度。信號(hào)稀疏性的存在使得相關(guān)信息的提取變得更加快速有效,從而減少信號(hào)獲取和處理過程中的成本。壓縮傳感是一種利用信號(hào)稀疏性的全新數(shù)據(jù)采樣模式,信號(hào)重構(gòu)是壓縮傳感中的關(guān)鍵理論部分。目前所提出的信號(hào)重構(gòu)理論僅適用于正交基下的稀疏信號(hào),無法滿足實(shí)際應(yīng)用中所遇到的多種信號(hào)類型,而在通常情況下,大部分類型的信號(hào)能找到關(guān)于過完備字典的稀疏表示,把適用信號(hào)范圍推廣到過完備字典
2、下的稀疏信號(hào)可以增加應(yīng)用上的靈活性;并且,用過完備字典來近似表示信號(hào),可以極大的減少近似畸變和均方差,有效表現(xiàn)信號(hào)的稀疏性。本文將壓縮傳感中的信號(hào)重構(gòu)理論擴(kuò)展到更為常見的過完備字典下的稀疏信號(hào),研究了過完備字典下的稀疏信號(hào)重構(gòu)算法,并考慮了現(xiàn)實(shí)世界中所存在的不同噪聲對(duì)重構(gòu)精度的影響,構(gòu)建出完整的噪聲干擾模型,最后把所得到的理論結(jié)果應(yīng)用到小波域稀疏信號(hào)的重構(gòu)。本文的主要研究工作如下:
(1)信號(hào)重構(gòu)的精度與傳感矩陣和過完備字
3、典的性質(zhì)密切相關(guān),目前還缺乏一種可以完整描述傳感矩陣和過完備字典對(duì)聯(lián)合性質(zhì)的統(tǒng)計(jì)量,針對(duì)該問題提出了兩種基于相關(guān)度的統(tǒng)計(jì)方法--直方圖統(tǒng)計(jì)和分組衡量,分別用于獲取傳感矩陣和過完備字典對(duì)的全局信息和局部信息,從而為精確重構(gòu)原始信號(hào)提供可靠的前提條件。
(2)l1范數(shù)最小化信號(hào)法和l1范數(shù)最小化系數(shù)法是兩種表達(dá)式類似的l1。范數(shù)最小化重構(gòu)算法,本文從幾何角度深入分析了兩種重構(gòu)算法的異同,提出了用單一高維多面體映射兩者的求解代數(shù)
4、表達(dá)式和最終結(jié)果的方法,研究了兩者在采用過完備字典時(shí)多面體結(jié)構(gòu)上的差異和兩種算法的先驗(yàn)條件,為選擇合適的算法提供了理論依據(jù)。
(3)針對(duì)噪聲對(duì)信號(hào)重構(gòu)精度的影響,構(gòu)建了一個(gè)完整的噪聲干擾模型衡量不同噪聲來源、不同噪聲類型和不同采樣方式下,噪聲對(duì)重構(gòu)誤差的影響。利用最小均方法檢驗(yàn)了誤差影響,證明了約束等距性常數(shù)不是決定重構(gòu)誤差的唯一因素,給出了重構(gòu)誤差能量均值、噪聲和支撐集內(nèi)傳感矩陣三者間的關(guān)系表達(dá)式。通過將三種典型檢測(cè)器噪
5、聲導(dǎo)致的誤差與直接采樣稀疏信號(hào)產(chǎn)生的誤差進(jìn)行比較,證明了壓縮采樣方式可以有效減小檢測(cè)噪聲引起的誤差。針對(duì)應(yīng)用中傳感矩陣實(shí)現(xiàn)過程中產(chǎn)生的噪聲,分析了傳感矩陣噪聲對(duì)傳感矩陣約束等距性的影響,證明了傳感矩陣噪聲對(duì)傳感子矩陣的影響表現(xiàn)為一個(gè)關(guān)于相對(duì)噪聲水平的線性函數(shù)。仿真試驗(yàn)驗(yàn)證了推導(dǎo)的重構(gòu)誤差表達(dá)式的正確性。
(4)針對(duì)基追蹤等基本重構(gòu)算法在利用信號(hào)結(jié)構(gòu)性稀疏方面的欠缺性,本文在研究小波系數(shù)在尺度和時(shí)間上存在依賴關(guān)系的基礎(chǔ)上,提
6、出了一種針對(duì)光滑信號(hào)的小波系數(shù)分布規(guī)律的快速重構(gòu)算法——異權(quán)重迭代法,該算法通過利用變換系數(shù)的先驗(yàn)信息對(duì)小波系數(shù)分組并施加不同權(quán)重值,提高了每次迭代結(jié)果的稀疏度,減少了算法中的迭代次數(shù)。由于在重構(gòu)信號(hào)時(shí)需要使用過完備小波字典對(duì)應(yīng)的矩陣表達(dá)式,本文在推導(dǎo)了正交小波變換所對(duì)應(yīng)的矩陣形式的基礎(chǔ)上給出了過完備小波字典所對(duì)應(yīng)矩陣的生成方法。
(5)為了檢驗(yàn)本文提出的信號(hào)重構(gòu)算法在實(shí)際應(yīng)用中的效果,本文將其應(yīng)用于自然圖像的去噪處理。提
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于過完備字典表示的稀疏分解算法研究.pdf
- 應(yīng)用過完備稀疏字典技術(shù)的流體模擬.pdf
- 稀疏過完備混合信號(hào)盲分離的研究.pdf
- 基于過完備字典與稀疏表示的多聚焦圖像融合研究.pdf
- 基于信號(hào)過完備表示的信源定位研究.pdf
- 基于過完備字典的非凸壓縮感知理論與方法研究.pdf
- 基于超完備字典稀疏表示的圖像融合.pdf
- 13128.信號(hào)基于相關(guān)字典下的稀疏變換
- 基于稀疏字典學(xué)習(xí)的圖像重構(gòu)模型研究.pdf
- 基于信號(hào)稀疏表示的字典設(shè)計(jì).pdf
- 含噪測(cè)量值下稀疏信號(hào)的重構(gòu)算法研究.pdf
- 塊稀疏信號(hào)重構(gòu)算法研究.pdf
- 基于多層字典稀疏重構(gòu)的圖像顯著性檢測(cè).pdf
- 面向壓縮感知的稀疏信號(hào)重構(gòu)算法研究.pdf
- 壓縮感知塊稀疏信號(hào)重構(gòu)算法研究.pdf
- 基于稀疏表示和超完備字典的WMSN視頻圖像去噪算法研究.pdf
- 基于信號(hào)稀疏表示的重構(gòu)與分類算法研究.pdf
- 基于稀疏信號(hào)重構(gòu)的近場(chǎng)聲源定位算法研究.pdf
- 41462.稀疏信號(hào)重構(gòu)算法分析
- 基于小波稀疏字典的圖像超分辨率重構(gòu)方法研究.pdf
評(píng)論
0/150
提交評(píng)論