基于压缩感知的块稀疏信号重构算法及其应用研究
发布时间：2023-02-07 21:35
压缩感知是近年来信号处理领域最热门的研究方向之一,它以低于Nyquist采样定理要求的频率进行采样,为解决数据冗余和资源浪费的瓶颈问题开辟了一条新道路,也为其他学科发展提供了新的契机。重构算法是压缩感知理论的核心内容之一,直接关系着压缩感知理论在实际应用中的成败。自压缩感知理论提出以来,如何设计出算法复杂度低、重建质量高的压缩感知重构算法一直是研究的重点课题。不同于传统意义上的稀疏信号,许多真实信号呈现出特殊的结构,即非零元素成块出现,这种稀疏信号称为块稀疏信号。块稀疏信号应用到许多实际问题中,如DNA阵列、人脸识别、心电图信号、彩色成像等。由于块稀疏信号是稀疏信号的一种特殊情形,因此块稀疏信号的重构问题完全可以用经典的压缩感知重构算法去处理。然而,如果忽略块稀疏信号的内部结构会极大地影响算法的运行效率。本文从压缩感知理论出发,重点研究针对块稀疏信号模型的重构算法及其应用,主要工作如下:1.基于光滑?0范数(SL0)算法,提出了广义高斯函数光滑?0范数(GGFSL0)算法。该算法可以看作是SL0算法的推广,即用广义高斯函数取代高斯函数。GGF...
【文章页数】：143 页
【学位级别】：博士
【文章目录】：
作者简历
摘要
abstract
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 压缩感知重构算法发展现状
1.2.2 块压缩感知重构算法研究现状
1.3 本文研究内容及章节安排
1.4 本章小结
第二章 压缩感知理论及块稀疏信号概述
2.1 压缩感知理论
2.1.1 压缩感知数学模型
2.1.2 稀疏表示
2.1.3 测量矩阵的构造
2.1.4 压缩感知的应用
2.2 块稀疏信号概述
2.2.1 块稀疏信号模型
2.2.2 块RIP条件
2.2.3 块压缩感知重构理论
2.2.4 典型块压缩感知重构算法
2.3 本章小结
第三章 基于光滑0?范数的稀疏信号重构
3.1 引言
3.2 盲源分离简介
3.3 SL0算法
3.3.1 算法思想
3.3.2 算法的初始化
3.3.3 算法实现
3.4 基于广义高斯函数光滑0?范数算法的信号重构
3.4.1 算法思想
3.4.2 算法实现
3.4.3 算法性能分析及应用
3.5 基于改进块光滑0?范数的块稀疏信号重构
3.5.1 BSL0算法思想
3.5.2 IBSL0算法思想
3.5.3 IBSL0算法实现
3.5.4 算法性能分析
3.6 本章小结
第四章 基于块广义正交匹配追踪的块稀疏信号重构
4.1 引言
4.2 广义正交匹配追踪算法
4.2.1 gOMP算法实现
4.2.2 gOMP算法精确重构分析
4.3 块广义正交匹配追踪算法
4.3.1 算法思想
4.3.2 BgOMP算法实现
4.3.3 BgOMP算法精确重构分析
4.4 算法性能分析及应用
4.4.1 人工合成信号
4.4.2 语音信号
4.4.3 图像信号
4.4.4 地震信号
4.5 本章小结
第五章 基于块回溯正交匹配追踪的块稀疏信号重构
5.1 引言
5.2 回溯正交匹配追踪算法
5.2.1 算法思想
5.2.2 BAOMP算法实现
5.3 块回溯正交匹配追踪算法
5.3.1 算法思想
5.3.2 BBAOMP算法实现
5.4 算法性能分析及应用
5.4.1 人工合成信号
5.4.2 语音信号
5.4.3 图像信号
5.4.4 地震信号
5.5 本章小结
第六章 基于块稀疏信号的分布式压缩感知
6.1 引言
6.2 分布式压缩感知模型
6.3 块分布式压缩感知模型
6.4 算法介绍
6.4.1 算法思想
6.4.2 DCSBBAOMP算法实现
6.5 算法性能分析
6.6 本章小结
第七章 总结与展望
7.1 论文的主要工作
7.2 论文的主要创新点
7.3 进一步的研究工作
致谢
参考文献
本文编号：3737462
【文章页数】：143 页
【学位级别】：博士
【文章目录】：
作者简历
摘要
abstract
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 压缩感知重构算法发展现状
1.2.2 块压缩感知重构算法研究现状
1.3 本文研究内容及章节安排
1.4 本章小结
第二章 压缩感知理论及块稀疏信号概述
2.1 压缩感知理论
2.1.1 压缩感知数学模型
2.1.2 稀疏表示
2.1.3 测量矩阵的构造
2.1.4 压缩感知的应用
2.2 块稀疏信号概述
2.2.1 块稀疏信号模型
2.2.2 块RIP条件
2.2.3 块压缩感知重构理论
2.2.4 典型块压缩感知重构算法
2.3 本章小结
第三章 基于光滑0?范数的稀疏信号重构
3.1 引言
3.2 盲源分离简介
3.3 SL0算法
3.3.1 算法思想
3.3.2 算法的初始化
3.3.3 算法实现
3.4 基于广义高斯函数光滑0?范数算法的信号重构
3.4.1 算法思想
3.4.2 算法实现
3.4.3 算法性能分析及应用
3.5 基于改进块光滑0?范数的块稀疏信号重构
3.5.1 BSL0算法思想
3.5.2 IBSL0算法思想
3.5.3 IBSL0算法实现
3.5.4 算法性能分析
3.6 本章小结
第四章 基于块广义正交匹配追踪的块稀疏信号重构
4.1 引言
4.2 广义正交匹配追踪算法
4.2.1 gOMP算法实现
4.2.2 gOMP算法精确重构分析
4.3 块广义正交匹配追踪算法
4.3.1 算法思想
4.3.2 BgOMP算法实现
4.3.3 BgOMP算法精确重构分析
4.4 算法性能分析及应用
4.4.1 人工合成信号
4.4.2 语音信号
4.4.3 图像信号
4.4.4 地震信号
4.5 本章小结
第五章 基于块回溯正交匹配追踪的块稀疏信号重构
5.1 引言
5.2 回溯正交匹配追踪算法
5.2.1 算法思想
5.2.2 BAOMP算法实现
5.3 块回溯正交匹配追踪算法
5.3.1 算法思想
5.3.2 BBAOMP算法实现
5.4 算法性能分析及应用
5.4.1 人工合成信号
5.4.2 语音信号
5.4.3 图像信号
5.4.4 地震信号
5.5 本章小结
第六章 基于块稀疏信号的分布式压缩感知
6.1 引言
6.2 分布式压缩感知模型
6.3 块分布式压缩感知模型
6.4 算法介绍
6.4.1 算法思想
6.4.2 DCSBBAOMP算法实现
6.5 算法性能分析
6.6 本章小结
第七章 总结与展望
7.1 论文的主要工作
7.2 论文的主要创新点
7.3 进一步的研究工作
致谢
参考文献
本文编号：3737462
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3737462.html
