基于压缩感知理论的气象数据重构系统研究
发布时间：2021-04-11 08:13
随着气象行业的飞速发展,气象数据发生爆炸式增长,传统的奈奎斯特采样定律也随之暴露了些许缺点。压缩感知理论解决了其采样率需要大于信号带宽两倍的缺陷,压缩感知可使用低采样率对信号进行采样并将压缩采样一体化。传统的压缩感知算法对气象数据进行处理,需要一个能将整个原始信号进行观测的观测矩阵。为了解决这个问题,本文采用了分块压缩感知,该算法解决了观测矩阵的问题并且由于分块还降低了重构算法的复杂度。分块压缩感知算法对每块图像块采用相同的采样率,但是不同图像块之间的信息量是不同的,对每块图像块采用相同的采样率明显造成了资源上的分配不合理,本文对此进行了以下改进:（1）对于图像块之间信息量差距大的气象数据,本文采用了采样率自适应算法。衡量图像块信息量多少的方法为计算该图像块的纹理复杂度。由于压缩感知是在不知道图像为前提进行压缩采样,对此本文采用了预观测方法获取预估计图像,采样率分配就是通过预估计图像进行计算。该算法提高了该类气象数据的重构效果但同时也造成了计算复杂度的增加。（2）对于图像块之间信息量差距不大的气象数据,本文采用了自适应分块算法。衡量图像块信息量和预估计图像获取的方法如上述算法一样,不同...
【文章来源】：华北水利水电大学河南省
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
压缩感知中观测向量的表示Fig.2-3Representationofobservationvectorsincompressedsensing
华北水利水电大学硕士学位论文14差距也存在巨大差异，又加入一张夜晚照片增加说服力。共4张，分别命名为Full，Full-C,Part,Part-Night。如下：(1)Full(2)Full-C(2)Part(3)Part-Night图2-5气象数据的四个图像命名Fig.2-5Fourimagesnamedformeteorologicaldata表2-1OMP重构算法下的PSNR/dbTab.2-1PSNRunderOMPreconstructionalgorithmPSNR采样率0.20.30.40.50.6Full7.3513.5518.2820.9723.07Full-C5.1614.7019.9221.9724.30Part4.8118.3925.2527.5230.35Part-Night12.9219.9023.0927.2229.26
华北水利水电大学硕士学位论文16(5)采样率为0.5，PSNR=20.97，t=4.85(6)采样率为0.6，PSNR=23.07，t=6.74图2-6Full在OMP不同采样率下重构图像Fig.2-6FullreconstructsimagesatdifferentOMPsamplingrates根据表2-1和2-2的结果可知，采用OMP作为重构算法，所有类型的气象数据都随着采样率的增加重构效果也越来越好，但随之重构所需要的时间也随着增加。三种类型图像中的Part类型重构效果明显高于其他两种图像类型。图2-3可以看出在采样率低时，重构图像根本无法看出图片信息，在采样率低于0.4以下，图像效果极差。综上所述，OMP适合高采样时使用，在采样率设定为低采样时，并不适合，气象数据的Part类型相比于其他类型更适合本算法。稀疏度自适应匹配算法(SAMP)SAMP算法跟OMP算法一样也是对匹配追踪算法的一种改良，不同于OMP算法的是，SAMP不需要提前知道稀疏度K就可以进行。现实中信号的稀疏度是不是确定的，稀疏度低迭代次数少，稀疏度高迭代次数会过多。只需要设定步长是具有应用优势的。用于表示压缩感知的符号如上文一致，表示传感矩阵的第列；表示上一次迭代更新的残差，第一次残差值为观测值;()索引的列序号；为索引列的合集；表示传感矩阵列序号为的集合；支撑集为F，大小为L;输入：传感矩阵,大小为×；观测值,大小为×1；步长为b，最多迭代次数D；输出：近似稀疏稀疏矩阵Θ，大小为×1第一步：初始化0=，0=,0=,=1第二步：最大相关匹配原则找出与传感矩阵最为匹配的原子其前L个的列序号集合
【参考文献】：
期刊论文
[1]基于相位补偿的矿井超宽带雷达压缩感知成像算法[J]. 郭继坤,赵清,陈司晗. 煤炭科学技术. 2020(01)
[2]钆塞酸二钠与钆特酸葡胺：通过压缩感知MR成像技术定量评估呼吸及血流动力学指标[J]. C.G. Glessgen,M. Moor,B. Stieltjes,D.J. Winkel,T.K. Block,E.M.Merkle,沈枨. 国际医学放射学杂志. 2020(01)
[3]基于压缩感知的医学图像重建方法[J]. 张国平,牟忠德. 生物医学工程学进展. 2019(04)
[4]基于显著性的自适应分块压缩感知算法[J]. 祝勇俊,刘文波,沈骞,徐梦莹. 电光与控制. 2019(12)
[5]基于压缩感知的φ-OTDR系统信号处理[J]. 郑亮,乔小瑞,王瑛剑. 通信技术. 2019(09)
[6]基于CEEMD-Elman耦合模型的年降水量预测[J]. 张先起,胡登奎,刘斐. 华北水利水电大学学报(自然科学版). 2019(04)
[7]压缩感知测量矩阵综述[J]. 宋梦蝶. 电视技术. 2019(06)
[8]一种基于压缩感知的卫星图像观测矩阵优化[J]. 张择书,郭永飞. 长春理工大学学报(自然科学版). 2018(04)
[9]应用压缩感知的无线传感器网络信号处理[J]. 王海荣. 山西电子技术. 2018(04)
[10]基于灰色模糊理论的航测无人机飞行安全风险评价[J]. 聂相田,施楠,范天雨,王博. 华北水利水电大学学报(社会科学版). 2018(03)
博士论文
[1]基于自适应稀疏表示的压缩感知MRI算法研究[D]. 樊晓宇.燕山大学 2019
[2]压缩感知算法在雷达成像中的应用研究[D]. 徐建平.电子科技大学 2012
硕士论文
[1]分块压缩感知改进算法在图像重构中的应用研究[D]. 周昌顺.贵州大学 2019
[2]基于混沌理论的压缩感知测量矩阵的研究[D]. 韩公飞.哈尔滨工程大学 2018
[3]基于图像特征的自适应分块压缩感知的研究[D]. 吴睿.电子科技大学 2018
[4]基于压缩感知的图像压缩重构FPGA实现[D]. 李臣.哈尔滨工程大学 2018
[5]自适应压缩感知图像编码算法研究[D]. 马利静.北京交通大学 2017
[6]压缩感知的测量矩阵与图像融合应用研究[D]. 李旭帅.中国科学技术大学 2016
[7]基于压缩感知理论的雷达图像压缩处理[D]. 刘思宇.大连海事大学 2016
[8]基于自适应采样率的视频压缩感知方案研究[D]. 左觅文.广西大学 2015
[9]基于压缩感知的气象传感网数据融合技术研究[D]. 吉书强.南京信息工程大学 2015
[10]基于压缩感知的雷达信号侦察处理[D]. 李婷.西安电子科技大学 2012
本文编号：3130902
【文章来源】：华北水利水电大学河南省
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
压缩感知中观测向量的表示Fig.2-3Representationofobservationvectorsincompressedsensing
华北水利水电大学硕士学位论文14差距也存在巨大差异，又加入一张夜晚照片增加说服力。共4张，分别命名为Full，Full-C,Part,Part-Night。如下：(1)Full(2)Full-C(2)Part(3)Part-Night图2-5气象数据的四个图像命名Fig.2-5Fourimagesnamedformeteorologicaldata表2-1OMP重构算法下的PSNR/dbTab.2-1PSNRunderOMPreconstructionalgorithmPSNR采样率0.20.30.40.50.6Full7.3513.5518.2820.9723.07Full-C5.1614.7019.9221.9724.30Part4.8118.3925.2527.5230.35Part-Night12.9219.9023.0927.2229.26
华北水利水电大学硕士学位论文16(5)采样率为0.5，PSNR=20.97，t=4.85(6)采样率为0.6，PSNR=23.07，t=6.74图2-6Full在OMP不同采样率下重构图像Fig.2-6FullreconstructsimagesatdifferentOMPsamplingrates根据表2-1和2-2的结果可知，采用OMP作为重构算法，所有类型的气象数据都随着采样率的增加重构效果也越来越好，但随之重构所需要的时间也随着增加。三种类型图像中的Part类型重构效果明显高于其他两种图像类型。图2-3可以看出在采样率低时，重构图像根本无法看出图片信息，在采样率低于0.4以下，图像效果极差。综上所述，OMP适合高采样时使用，在采样率设定为低采样时，并不适合，气象数据的Part类型相比于其他类型更适合本算法。稀疏度自适应匹配算法(SAMP)SAMP算法跟OMP算法一样也是对匹配追踪算法的一种改良，不同于OMP算法的是，SAMP不需要提前知道稀疏度K就可以进行。现实中信号的稀疏度是不是确定的，稀疏度低迭代次数少，稀疏度高迭代次数会过多。只需要设定步长是具有应用优势的。用于表示压缩感知的符号如上文一致，表示传感矩阵的第列；表示上一次迭代更新的残差，第一次残差值为观测值;()索引的列序号；为索引列的合集；表示传感矩阵列序号为的集合；支撑集为F，大小为L;输入：传感矩阵,大小为×；观测值,大小为×1；步长为b，最多迭代次数D；输出：近似稀疏稀疏矩阵Θ，大小为×1第一步：初始化0=，0=,0=,=1第二步：最大相关匹配原则找出与传感矩阵最为匹配的原子其前L个的列序号集合
【参考文献】：
期刊论文
[1]基于相位补偿的矿井超宽带雷达压缩感知成像算法[J]. 郭继坤,赵清,陈司晗. 煤炭科学技术. 2020(01)
[2]钆塞酸二钠与钆特酸葡胺：通过压缩感知MR成像技术定量评估呼吸及血流动力学指标[J]. C.G. Glessgen,M. Moor,B. Stieltjes,D.J. Winkel,T.K. Block,E.M.Merkle,沈枨. 国际医学放射学杂志. 2020(01)
[3]基于压缩感知的医学图像重建方法[J]. 张国平,牟忠德. 生物医学工程学进展. 2019(04)
[4]基于显著性的自适应分块压缩感知算法[J]. 祝勇俊,刘文波,沈骞,徐梦莹. 电光与控制. 2019(12)
[5]基于压缩感知的φ-OTDR系统信号处理[J]. 郑亮,乔小瑞,王瑛剑. 通信技术. 2019(09)
[6]基于CEEMD-Elman耦合模型的年降水量预测[J]. 张先起,胡登奎,刘斐. 华北水利水电大学学报(自然科学版). 2019(04)
[7]压缩感知测量矩阵综述[J]. 宋梦蝶. 电视技术. 2019(06)
[8]一种基于压缩感知的卫星图像观测矩阵优化[J]. 张择书,郭永飞. 长春理工大学学报(自然科学版). 2018(04)
[9]应用压缩感知的无线传感器网络信号处理[J]. 王海荣. 山西电子技术. 2018(04)
[10]基于灰色模糊理论的航测无人机飞行安全风险评价[J]. 聂相田,施楠,范天雨,王博. 华北水利水电大学学报(社会科学版). 2018(03)
博士论文
[1]基于自适应稀疏表示的压缩感知MRI算法研究[D]. 樊晓宇.燕山大学 2019
[2]压缩感知算法在雷达成像中的应用研究[D]. 徐建平.电子科技大学 2012
硕士论文
[1]分块压缩感知改进算法在图像重构中的应用研究[D]. 周昌顺.贵州大学 2019
[2]基于混沌理论的压缩感知测量矩阵的研究[D]. 韩公飞.哈尔滨工程大学 2018
[3]基于图像特征的自适应分块压缩感知的研究[D]. 吴睿.电子科技大学 2018
[4]基于压缩感知的图像压缩重构FPGA实现[D]. 李臣.哈尔滨工程大学 2018
[5]自适应压缩感知图像编码算法研究[D]. 马利静.北京交通大学 2017
[6]压缩感知的测量矩阵与图像融合应用研究[D]. 李旭帅.中国科学技术大学 2016
[7]基于压缩感知理论的雷达图像压缩处理[D]. 刘思宇.大连海事大学 2016
[8]基于自适应采样率的视频压缩感知方案研究[D]. 左觅文.广西大学 2015
[9]基于压缩感知的气象传感网数据融合技术研究[D]. 吉书强.南京信息工程大学 2015
[10]基于压缩感知的雷达信号侦察处理[D]. 李婷.西安电子科技大学 2012
本文编号：3130902
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3130902.html
最近更新
教材专著
