压缩感知理论及应用的分析.pdf

ADissertationSubmittedto of GuangdongUniversity forthe ofMaster Degree Technology of (MasterEngineeringScience) Researchon Theory Sensing Compressive andIts Application Chen Candidate：Yanliang Zhan Supervisor：PrOf．Yinwei 2015 May Scienceand Schoolof Technology Computer of UniversityTechnology Guangdong 0006 R．China，51 Guangzhou。Guangdong，P 万方数据 摘要 摘要 奈奎斯特采样定理要求采样频率不得低于信号最高频率的2倍，这会导致海量的 采样数据，也给信号处理带来极大的挑战。压缩感知(CompressiveSensing，CS)理论应 运而生。该理论能够从繁冗的信号中提取出简洁的信息，从而减少信号处理的数据量。 本文首先介绍压缩感知的基本原理，描述该理论对信号的处理流程。压缩感知理 论分为稀疏表示、观测矩阵的设计以及重构算法三部分。本文总结稀疏表示的主要方 法及其优缺点，说明观测矩阵需要满足有限等距性质以及信号恢复的可行性。对比厶和 ，1范数的优化问题并讨论基于厶和厶范数的重构算法及其优缺点。接着着重研究压缩感 知中的贪婪重构算法。最后将该理论应用于图像去噪和视频编码。 本文的主要工作如下： l、对压缩感知中常用的贪婪重构算法进行剖析，分析各算法的优缺点。通过仿真 实验对各算法的重构效果及运行时间进行对比，并对实验结果进行分析。由于STOMP 算法需要人为地进行参数配置，因此参数值的设置常常因人而异，导致重构效果参差 不齐，而且经验值往往不能使算法性能达到最优。针对该问题，本文使用粒子群优化 算法来统一指导参数配置，实验表明