大学科研成果论文29.docVIP

 PAGE  论文题目: 压缩感知的前景 学 院： 计算机与信息学院 专业年级： 电子信息工程2010级 学 号： 姓 名： 指导教师、职称 2012年 11 月15日   PAGE 4 压缩感知的前景 摘 要 压缩感知(压缩传感，Compressive Sensing, Compressed sensing)理论是近年来信号处理领域诞生的一种新的信号处理理论压缩感知理论是由Donoho和Candes提出的一种充分利用信号稀疏性的全新的信号采样理论。该理论表明，用远低于Nyquist 采样定理要求的频率对信号进行采样也能实现信号的精确重构。压缩感知理论利用原始图像或信号的稀疏性先验知识，通过适当的优化算法，可以由少量的观测值或采样值对信号进行精确重建。该理论突破了传统的以Nyquist定理为基准的信号处理方法，实现了在获取数据的同时对其进行适当的压缩，克服了采样数据量大，采样时间长及数据存储空间浪费严重的问题，因此进一步降低了信号处理的时间和器件成本。 关键词：压缩感知;背景;压缩感知关键要素;压缩感知应用前景;压缩感知仿真 一、研究背景及意义 1.1 研究背景 传统的信号获取，编译码过程如图1-1所示： 信号 X 变换 压缩解码 采样 编 Y 码 端 恢复信号X’ 解压缩 反变换 解 接受数据 码 端 Y 图1-1 传统信号采集、编码过程 Figure 1-1 Traditional signal acquisition，encoding process 编码端先对信号进行采样，然后对所有的采样值进行变换，压缩编码，即将其中重要数据的幅度和位置进行编码，再将编码值进行储存或者传输。解码端是编码的逆过程，接收到的信号经解压缩、反变换之后得到恢复信号。这种传统的以奈奎斯特定理为基础的编译码方式存在两个缺陷[1]： （1）数据的获取及处理，在实际的应用中，例如超宽带通信、核磁共振、空间探测等，信号的采样率不得低于信号最大带宽的两倍，这对硬件系统的要求很高，奈奎斯特采样硬件成本昂贵，而且获取数据的效率低下，???至在某些情况下无法实现； （2）数据的存储及传输，传统的做法是先按那奎斯特采样定理获取数据，然后再将得到的数据进行压缩，最后再进行存储或传输。显然，这样的方式会造成很大的资源浪费。另外，为保证信息的安全传输，通常的加密技术是用某种方式对信号进行编码，这给信息的安全传输和接受带来一定程度的麻烦。 由上可知，奈奎斯特理论并不是最优的采样理论，因此研究如何突破以奈奎斯特定理为基础的传统信息处理方式是推动信息领域发展的关键。为了突破奈奎斯特采样定理的限制已经发展了一些理论，典型的例子有Landau理论，Papoulis等的非均匀采样理论，M. Vetterli等的 finite rate of innovation信号采样理论等。 近年来，由D. Donoho、E. Candès及T. Tao等人提出了一种新的信息获取理论即压缩感知（Compressive Sensing(CS) or Compressed sensing、Compressed sampling）。该理论指出：对可压缩的信号可通过远低于奈奎斯采样频率进行采样数据，仍能够精确地恢复出原始信号。即在信号获取的过程中用最少的系数来表述信号，并可以在需要时通过适当的重构算法将足够的数据点从压缩传感数据中恢复出来。 1.2 研究意义 作为压缩感知理论的核心之一，对推动压缩感知理论的进一步发展重构算法的研究有着举足轻重的作用，没有重构算法压缩感知理论就毫无意义，更无从谈起相较于奈奎斯特采样定理的优势。 截至目前，众多国内外学者先后在重建算法领域做出了新的研究和探索。虽然现有的算法能较好的重构出信号，但是都存在着固有的缺点，对目前的主流的两种算法而言，基于最小L1范数的重建算法计算量大，无法应用于大规模信号；虽然贪婪算法重构速度快，但是在信号重构质量上还需提高。因此，找寻能兼顾信号重构质量和重建时间的算法是目前急需解决的问题之一，这也是将重构算法从理论仿真推向实际应用的关键。 另外，有些算法虽然能够重构出信号，但是缺乏理论支撑，这需要很高的数