压缩感知和矩阵填充及其在信号处理中应用的研究

发布时间：2017-05-08 18:16

  本文关键词：压缩感知和矩阵填充及其在信号处理中应用的研究，，由笔耕文化传播整理发布。

【摘要】：压缩感知和矩阵填充都是稀疏约束下的反问题,压缩感知利用信号本身或在变换域中的稀疏约束性求解欠定方程,矩阵填充利用矩阵的低秩约束性求解欠定方程。压缩感知理论的核心问题是信号的稀疏表示、观测矩阵的设计和重构算法,信号本身或在变换域中的系数越稀疏,观测矩阵和稀疏基构成的压缩感知矩阵的受限等距常数越小,则压缩感知的性能越好。矩阵填充理论的核心问题是矩阵的低秩特性、非相干特性和重构算法,寻找性能良好的重构算法一直是矩阵填充理论中的一个研究重点。此外,压缩感知的应用领域已经拓展得较为广泛,但矩阵填充的应用尚处于起步阶段,挖掘矩阵填充的应用,进而将矩阵填充和压缩感知结合起来进行应用方面的探索,是非常重要和有意义的课题。本文的主要工作和创新如下:(1)研究压缩感知和矩阵填充的重构算法,改进矩阵填充的重构定理。重构算法是压缩感知和矩阵填充的重要组成部分,重构算法的优劣直接影响压缩感知和矩阵填充的性能。本文首先分析了压缩感知中的BP算法、OMP算法、CoSaMP算法、SP算法和IHT算法,矩阵填充中的SVT算法、ADMiRA算法和SVP算法。实验表明,压缩感知中的BP算法和矩阵填充中SVP算法的重构性能明显优于其它几种重构算法。本文其次分析了矩阵填充的重构定理,指出定理需要两个参量,参量的数目较多且取值不易确定。本文在原有重构定理的基础上,结合矩阵填充的非相干系数提出了新的重构定理,本文所提的重构定理只需一个参量,参量的意义直观且更易判定取值,有效促进了矩阵填充的研究。(2)压缩感知中有效稀疏基的构造。目前用于自然信号的稀疏基都不是非常理想,大多数的自然信号经稀疏变换后得到的系数并不是绝对稀疏的,即除了有限个大系数外,其余的小系数并不为零,而是接近于零,这样的系数向量称为近似稀疏或者可压缩,这必然会影响压缩感知的性能。本文在离散余弦变换(DCT)基的基础上,引入了门限矩阵,构造了基于门限矩阵的离散余弦变换基(DCTTM)。相比于DCT基,信号在DCTTM基下的系数更接近理想的绝对稀疏。(3)压缩感知自适应观测矩阵的构造。观测矩阵是压缩感知理论的一个重要内容,观测矩阵的性能好坏将直接影响到信号的压缩与重构。本文在高斯随机观测矩阵的基础上,结合信号稀疏域系数的部分先验信息,构造了自适应观测矩阵。同时,通过减少观测矩阵的行向量来减少观测值,本文随后从理论和仿真实验两方面验证了自适应观测矩阵的重构性能要优于高斯随机观测矩阵的重构性能。(4)矩阵填充中基于软阈值的投影梯度下降重构算法。目前矩阵填充的重构算法都有一个共同的缺陷,需要已知原始矩阵的秩,而原始矩阵的秩与压缩感知中原始信号的稀疏度类似,往往不能提前预知,这对矩阵填充的实际应用造成了很大的局限性。本文提出的基于软阈值的投影梯度下降(STPGD)算法运用投影梯度下降的方式进行迭代,并采用软阈值对每次迭代产生的矩阵进行秩估计,不仅可以降低算法的计算复杂度,而且能够提高算法重构的精确度。文中从算法的收敛性和复杂度两个方面对STPGD算法的重构性能进行了较为详细地分析,并从理论上论证了达到预定的重构误差时STPGD算法所需的迭代次数。(5)研究压缩感知和矩阵填充在动态图像处理中的联合应用。压缩感知在磁共振成像、单像素相机、人脸识别、图像超分辨率重建等方面都已有较为深入地应用,而矩阵填充在协同过滤、系统识别、传感器网络、频谱感知等方面的研究也取得了初步成果。但压缩感知和矩阵填充的联合应用尚处于起步阶段,本文分析了压缩感知和矩阵填充在动态图像中的联合应用,着重介绍了主成分追踪(PCP)方法。
【关键词】：压缩感知 矩阵填充 稀疏约束 非相干特性 低秩特性 重构算法
【学位授予单位】：南京邮电大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TN911.7
【目录】：

• 摘要4-6
• Abstract6-10
• 专用术语注释表10-14
• 第一章 绪论14-34
• 1.1 研究背景及意义14-16
• 1.2 压缩感知基本原理及研究现状16-19
• 1.2.1 信号的稀疏表示16-17
• 1.2.2 观测矩阵的设计17-18
• 1.2.3 重构算法18-19
• 1.3 矩阵填充基本原理及研究现状19-25
• 1.3.1 矩阵的低秩特性21-22
• 1.3.2 矩阵的非相干特性22-24
• 1.3.3 矩阵填充的重构算法24-25
• 1.4 压缩感知和矩阵填充的联系与区别25-26
• 1.5 压缩感知和矩阵填充的应用26-31
• 1.6 论文的研究内容及主要成果31-32
• 1.7 本文的章节安排32-34
• 第二章 压缩感知和矩阵填充的重构算法研究34-57
• 2.1 压缩感知重构算法34-41
• 2.1.1 基追踪算法34-35
• 2.1.2 贪婪算法35-37
• 2.1.3 IHT算法37-38
• 2.1.4 实验结果与分析38-41
• 2.2 矩阵填充重构算法41-56
• 2.2.1 SVT算法42-46
• 2.2.2 ADMiRA算法46-47
• 2.2.3 SVP算法47-49
• 2.2.4 实验结果与分析49-56
• 2.3 本章小结56-57
• 第三章 压缩感知中基于门限矩阵的有效稀疏基构造57-72
• 3.1 引言57-58
• 3.2 信号在正交变换下的稀疏性58-62
• 3.2.1 信号在离散傅里叶变换下的稀疏性58-60
• 3.2.2 信号在离散余弦变换下的稀疏性60-62
• 3.3 基于门限的离散余弦变换基62-70
• 3.3.1 基于门限矩阵的离散余弦变换基的构造62-64
• 3.3.2 DCTTM基对压缩感知性能的改进64-69
• 3.3.3 实验结果与分析69-70
• 3.4 本章小结70-72
• 第四章 压缩感知自适应观测矩阵构造72-83
• 4.1 引言72
• 4.2 自适应观测矩阵72-81
• 4.2.1 自适应观测矩阵的构造73-74
• 4.2.2 自适应观测矩阵的受限等距常数74-75
• 4.2.3 自适应观测矩阵对压缩感知重构误差的改进75-78
• 4.2.4 仿真实验及分析78-81
• 4.3 本章小结81-83
• 第五章 矩阵填充中基于软阈值的投影梯度下降法83-96
• 5.1 引言83
• 5.2 STPGD算法流程83-86
• 5.3 STPGD算法的收敛性与计算复杂度分析86-90
• 5.3.1 算法的收敛性86-89
• 5.3.2 算法的计算复杂度89-90
• 5.4 实验结果与分析90-95
• 5.5 本章小结95-96
• 第六章 压缩感知和矩阵填充在动态图像处理中的联合应用96-108
• 6.1 引言96-97
• 6.2 混合高斯模型在视频背景建模中的应用97-99
• 6.3 压缩感知和矩阵填充在视频背景建模中的应用99-103
• 6.3.1 泛化模型99-100
• 6.3.2 鲁棒主成分分析（RPCA）100-101
• 6.3.3 主成分追踪（PCP）101-103
• 6.3.4 主成分追踪与压缩感知和矩阵填充103
• 6.4 混合高斯模型和主成分追踪在视频背景建模中的仿真实验对比103-106
• 6.5 本章小结106-108
• 第七章 总结与展望108-111
• 7.1 总结108-110
• 7.2 展望110-111
• 参考文献111-119
• 附录1 攻读博士学位期间撰写的论文119-120
• 附录2 攻读博士学位期间参加的科研项目120-121
• 致谢121

【相似文献】

中国期刊全文数据库 前10条

1 刘叙含;申晓红;姚海洋;邓欣;;基于帐篷混沌观测矩阵的图像压缩感知[J];传感器与微系统;2014年09期

2 王韦刚;杨震;顾彬;胡海峰;;基于观测矩阵优化的自适应压缩频谱感知[J];通信学报;2014年08期

3 王侠;王开;王青云;梁瑞宇;左加阔;赵力;邹采荣;;压缩感知中的确定性随机观测矩阵构造[J];信号处理;2014年04期

4 鄢鹏程;;一种基于阈值迭代和自适应观测矩阵的压缩感知图像处理[J];信息与电脑(理论版);2013年03期

5 石光明;刘丹华;高大化;刘哲;林杰;王良君;;压缩感知理论及其研究进展[J];电子学报;2009年05期

6 宁万正;王海燕;申晓红;蒋世全;王璇;;一种自适应观测矩阵下的信号重构算法[J];计算机应用研究;2011年09期

7 赵春晖;刘巍;;压缩感知理论及其在成像技术中的应用[J];智能系统学报;2012年01期

8 金坚;谷源涛;梅顺良;;压缩采样技术及其应用[J];电子与信息学报;2010年02期

9 王军华;黄知涛;周一宇;王丰华;;压缩感知理论中的广义不相关性准则[J];信号处理;2012年05期

10 肖小潮;郑宝玉;王臣昊;;一种基于最优观测矩阵的自适应贝叶斯压缩信道感知联合机制[J];电子与信息学报;2012年10期

中国重要会议论文全文数据库 前1条

1 顾国生;战荫伟;;一种混沌序列在压缩感知观测矩阵构造中的应用[A];第十五届全国图象图形学学术会议论文集[C];2010年

中国博士学位论文全文数据库 前5条

1 孙晶明;压缩感知中观测矩阵的研究[D];华中科技大学;2013年

2 徐永刚;矿山数据压缩采集与重建方法研究[D];中国矿业大学;2013年

3 丁丽;MIMO雷达稀疏成像的失配问题研究[D];中国科学技术大学;2014年

4 赵玉娟;压缩感知和矩阵填充及其在信号处理中应用的研究[D];南京邮电大学;2015年

5 张京超;稀疏多频带信号压缩采样方法研究[D];哈尔滨工业大学;2014年

中国硕士学位论文全文数据库 前10条

1 孙瑞;压缩传感中观测矩阵构造及其性能分析[D];哈尔滨工业大学;2012年

2 刘莎;压缩感知中观测矩阵的构造及优化方法研究[D];东北大学;2013年

3 王彪;压缩传感中的观测矩阵研究[D];天津理工大学;2012年

4 方杰;压缩感知观测矩阵和重构算法的研究[D];华南理工大学;2015年

5 凤宏哲;高分辨SAR稀疏目标成像研究[D];西安电子科技大学;2014年

6 朱海梁;压缩感知接收机关键技术研究[D];西安电子科技大学;2014年

7 王哲;基于稀疏重构的SAR成像技术研究[D];西安电子科技大学;2014年

8 田彩丽;压缩感知中量化问题的研究[D];西北农林科技大学;2014年

9 李文娟;基于压缩感知理论的地表沉降数据分析与重构[D];华中科技大学;2014年

10 朱晨辰;基于压缩感知的阵列DOA估计[D];西安电子科技大学;2014年

  本文关键词：压缩感知和矩阵填充及其在信号处理中应用的研究，由笔耕文化传播整理发布。

本文编号：351646