分布式压缩感知联合重建算法的研究

发布时间：2017-08-20 16:34

  本文关键词：分布式压缩感知联合重建算法的研究

  更多相关文章： 分布式压缩感知 联合重构 贪婪追踪 多观测向量 块稀疏 无线传感器网络

【摘要】：压缩感知是一种新型的信号采样理论,利用信号的稀疏性,在对信号采样的同时对数据进行了压缩。分布式压缩感知建立在压缩感知理论基础之上,在利用信号内部相关性的同时,利用了信号之间的相关性,将单个信号的压缩与重构扩展到多个信号,实现了多信号的分布式压缩与联合重构。本文研究分布式压缩感知的联合重构,主要进行了以下几方面的研究工作。首先,针对分布式压缩感知的混合支撑集模型,设计了联合向前变步长正交匹配追踪算法,在信号重构过程中根据相邻次迭代重建信号的能量差,自适应地对向前参数进行动态调整,在信号重建精度与算法运行时间之间取得平衡。进而,在联合向前变步长正交匹配追踪算法的基础上,设计了联合向前向后的变步长正交匹配追踪算法,有效降低了原子误选的几率,提高了信号重建的精度。然后,针对多路径匹配追踪算法无法利用稀疏信号的结构信息、迭代层数较高时计算复杂度较大等问题,设计了一种适用于重构块稀疏信号的块剪枝多路径匹配追踪算法。该算法以原子块作为路径扩张的节点,在一定迭代层数后引入树枝修剪操作,极大地降低了数据运算量。进而,针对多观测向量问题,设计了多观测向量块剪枝多路径匹配追踪算法,用以实现无线传感器网络小范围内多传感器信号的联合重构。实验结果表明本文提出的算法在重构效果和运行时间上具有优越性。最后,面向分簇无线传感器网络研究层次化分布式压缩感知。建立块稀疏簇内联合稀疏模型,联合描述簇内成员采集数据的时间相关性与空间相关性;建立块稀疏簇间联合稀疏模型,描述同一监测区域内各簇采集数据的空间相关性。基于分簇无线传感器网络采集信号的结构化稀疏特性,设计层次化观测方案以及分级联合重构方案。仿真实验结果表明了该方案在保证重建新号质量的同时,能够有效减少网络中传输的数据量,减少簇头的通信负担。
【关键词】：分布式压缩感知 联合重构 贪婪追踪 多观测向量 块稀疏 无线传感器网络
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN911.7
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第1章 绪论10-16
• 1.1 课题研究背景及意义10-11
• 1.2 国内外研究发展现状11-14
• 1.2.1 压缩感知的发展概述11-12
• 1.2.2 分布式压缩感知的发展概述12-14
• 1.3 本文研究内容及组织结构14-16
• 第2章 压缩感知与分布式压缩感知的基本理论16-23
• 2.1 压缩感知的理论基础16-20
• 2.1.1 信号的稀疏变换16-18
• 2.1.2 观测矩阵18-19
• 2.1.3 重构算法19-20
• 2.2 分布式压缩感知理论20-22
• 2.2.1 JSM-1 模型21
• 2.2.2 JSM-2 模型21
• 2.2.3 JSM-3 模型21-22
• 2.2.4 混和支撑集模型22
• 2.3 本章小结22-23
• 第3章 面向混合支撑集模型的分布式压缩感知重构算法23-32
• 3.1 引言23-24
• 3.2 基于混合支撑集模型的分布式压缩感知重构算法24-27
• 3.2.1 joint OMP算法和joint LAOMP算法24
• 3.2.2 joint LAVSOMP算法24-26
• 3.2.3 joint FBVSOMP算法26-27
• 3.3 实验结果与分析27-31
• 3.4 本章小结31-32
• 第4章 基于块剪枝多路径匹配追踪的多传感器数据重构32-44
• 4.1 引言32-33
• 4.2 MMV问题和块稀疏信号33-34
• 4.2.1 MMV问题33
• 4.2.2 块稀疏信号33-34
• 4.3 BPMMPMMV算法34-38
• 4.3.1 MMP算法34-35
• 4.3.2 BPMMP算法35-36
• 4.3.3 BPMMPMMV算法36-38
• 4.4 实验结果与分析38-43
• 4.4.1 BPMMP算法的性能分析38-39
• 4.4.2 BPMMPMMV算法的性能分析39-43
• 4.5 本章小结43-44
• 第5章 面向无线传感器网络的层次化分布式压缩感知44-59
• 5.1 引言44-45
• 5.2 层次化模型45-46
• 5.3 层次化分布式压缩感知46-53
• 5.3.1 簇内DCS46-47
• 5.3.2 簇间DCS47-50
• 5.3.3 层次化DCS重构50-53
• 5.4 实验结果及分析53-58
• 5.4.1 基于合成信号的层次化DCS与普通DCS算法对比53-56
• 5.4.2 基于温度信号的层次化DCS与普通DCS算法对比56-58
• 5.5 本章小结58-59
• 结论59-61
• 参考文献61-66
• 攻读硕士学位期间承担的科研任务与主要成果66-67
• 致谢67-68
• 作者简介68

【相似文献】

中国期刊全文数据库 前10条

1 王振天;张丽;邢宇翔;康克军;;统计重建算法综述[J];CT理论与应用研究;2007年04期

2 郭威;陈贺新;;一种改进的代数重建算法及其实现[J];吉林大学学报(工学版);2009年S2期

3 金燕南;赵俊;刘尊钢;庄天戈;;三源螺旋CT精确重建算法在动态重建中的应用[J];航天医学与医学工程;2009年06期

4 杜富瑞;张民;施旭东;安福东;王乾;;基于声波传播路径模拟的温度场重建算法研究[J];计算机与现代化;2011年09期

5 惠苗;;螺旋锥束精确重建算法优化[J];三明学院学报;2012年04期

6 姜永生;于燕燕;;一种适用于小视野的快速精确重建算法[J];东北大学学报(自然科学版);2012年12期

7 郑健;俞航;蒯多杰;刘兆邦;董月芳;张涛;;多层CT重建算法对比研究[J];CT理论与应用研究;2012年04期

8 白玫;杨雨;严汉民;;多排螺旋CT自适应统计迭代重建算法的客观评价[J];中国医学装备;2013年01期

9 程明渊;贺奇才;胡琴明;陈弟虎;;基于穿越长度权重迭代重建算法的研究[J];中国医学物理学杂志;2013年02期

10 闫镔;韩玉;魏峰;李磊;李建新;;锥束CT超视野成像重建算法综述[J];CT理论与应用研究;2013年02期

中国重要会议论文全文数据库 前10条

1 胡永胜;;重建算法对低剂量肺部CT扫描图像质量和诊断的影响[A];2010中华医学会影像技术分会第十八次全国学术大会论文集[C];2010年

2 宋e，

本文编号：707730