壓縮感知理論研究及其CUDA實現(xiàn).pdf

1、在數(shù)字化的今天，無論是信號的采集還是數(shù)據的傳輸，都面臨著對海量數(shù)據的處理。而作為信息論基礎的奈奎斯特準則，不但無法改善這一狀況，甚至在某種程度上束縛了新技術的實際應用和發(fā)展。有幸的是，一個新的理論——壓縮感知(CS,CompressiveSensing)理論，成功的打破了奈奎斯特準則的限制，并得到廣泛關注和研究應用。
　　壓縮感知理論是以極低的采樣率進行采樣的，遠低于奈奎斯特準則規(guī)定的采樣率。但是，壓縮感知理論的低采樣率是以重構算

2、法的復雜性換來的，因此，壓縮感知理論尤其是信號的重構面臨著大數(shù)據量的運算?？上驳氖?，基于圖形處理器(GPU,GraphicsProcessingUnits)并行運算的通用性研究，可以方便且有效的解決大數(shù)據運算量的問題。
　　NVIDIA公司推出的統(tǒng)一計算設備架構(CUDA,ComputeUnifiedDeviceArchitecture)，極大地促進了GPU通用計算的開發(fā)應用。本文的主要工作，就是使用基于GPU并行運算的CUDA來

3、實現(xiàn)壓縮感知理論的算法，包括離散小波變換(DWT,DiscreteWaveletTransform)和正交匹配追蹤(OMP,OrthogonalMatchingPursuit)，并實現(xiàn)對于圖像的壓縮感知處理。為了體現(xiàn)GPU的運算能力，同時使用基于CPU串行運算的OpenCV(OpenSourceComputerVisionLibrary)實現(xiàn)所述算法，并對兩者做出比較。
　　實驗結果表明，GPU具有強大的運算能力，并且使用CUDA