基于融合框架的壓縮感知信號(hào)重構(gòu)算法研究.pdf

1、壓縮感知是近年來新興的一種不同于傳統(tǒng)的奈奎斯特采樣的新型采樣理論。傳統(tǒng)的信號(hào)處理主要有限制信號(hào)帶寬或提高采樣頻率等，而壓縮感知?jiǎng)t是在采樣的同時(shí)對(duì)信號(hào)進(jìn)行壓縮。這種壓縮和采樣同時(shí)進(jìn)行的特性使其突破了傳統(tǒng)奈奎斯特采樣定律的束縛，節(jié)省了大量的存儲(chǔ)資源，提高了計(jì)算速度和傳輸速度，減少了冗余。
　　 本文首先對(duì)壓縮感知信號(hào)稀疏表示、測量矩陣設(shè)計(jì)及信號(hào)重構(gòu)算法設(shè)計(jì)三個(gè)核心問題進(jìn)行了系統(tǒng)的研究。在深入研究壓縮感知各種重構(gòu)算法實(shí)現(xiàn)原理的基礎(chǔ)上，

2、結(jié)合融合框架的理論，提出了一種改進(jìn)方案。針對(duì)傳統(tǒng)的壓縮感知重構(gòu)算法計(jì)算復(fù)雜度高，對(duì)測量次數(shù)的要求高以及重構(gòu)精度低的問題，利用融合框架，將正交匹配追蹤算法(OMP)和壓縮采樣匹配追蹤算法(CoSaMP)進(jìn)行融合，將前兩種算法的支撐集進(jìn)行交并集運(yùn)算，從并集中選擇最合適的原子，實(shí)現(xiàn)支撐集的二次篩選，最終實(shí)現(xiàn)信號(hào)的精確重構(gòu)。同時(shí)以一維近紅外煙草光譜信號(hào)和二維圖像作為處理對(duì)象進(jìn)行重構(gòu)仿真，從信噪比和誤差率的角度出發(fā)，將仿真結(jié)果與融合算法中的原有兩