基于壓縮感知的信號(hào)重構(gòu)算法研究及應(yīng)用.pdf

1、在壓縮感知理論中，采樣和壓縮同時(shí)完成，降低了“先采樣后壓縮”帶來(lái)的資源浪費(fèi)，然后從高度不完整的測(cè)量值中恢復(fù)原信號(hào)，挑戰(zhàn)了在信息領(lǐng)域中占統(tǒng)治地位的奈奎斯特定理。
　　本文主要對(duì)壓縮感知理論下的信號(hào)重構(gòu)算法以及其應(yīng)用作了一些研究工作：
　　1.詳細(xì)介紹了一系列迭代貪婪算法，并對(duì)它們的性能進(jìn)行仿真實(shí)驗(yàn)和分析。仿真過(guò)程中發(fā)現(xiàn)，由于無(wú)法獲知稀疏信號(hào)的稀疏度，調(diào)用算法時(shí)不能確定一個(gè)合理的迭代次數(shù)。本文在圖像重構(gòu)步驟之前進(jìn)行預(yù)處理，即根據(jù)

2、DCT變換的特點(diǎn)，在圖像分塊的基礎(chǔ)上用掩膜矩陣選出所需的稀疏系數(shù)，從而固定稀疏度，提升圖像重構(gòu)的峰值信噪比和速度。
　　2.介紹了光滑L0范數(shù)以及相關(guān)的重構(gòu)算法，提出了用共軛梯度法改進(jìn)的SL0算法，并用仿真實(shí)驗(yàn)證明了該算法的可行性及其優(yōu)勢(shì)。與最速下降SL0、牛頓修正SL0相比，共軛梯度SL0算法對(duì)有著與之相當(dāng)?shù)膱D像重構(gòu)效果，且在收斂速度上有較大的提高。隨著采樣率增大，共軛梯度SL0重構(gòu)一維信號(hào)的效果有大幅提升，明顯高于另兩個(gè)算法。