1压缩感知信号重构原理.doc

第 卷 第 期 中国图象图形学报 Vol. ,No. 200 年 月 Journal of Image and Graphics .,200 _________________________ 基金项目: 收稿日期: 改回日期: 第一作者简介:姓名（出生年~），性别。职称，最高学历情况（何年何处获何专业何学位），主要研究方向。主要研究成果。E-mail。 收稿日期:2011-04-09；改回日期:2011-05-30 基金项目:江苏省自然科学基金（BK2008411）；教育部博士学科点基金（200802880017）。 第一作者简介：刘佶鑫(1982- ),男。南京理工大学计算机科学与技术学院模式识别与智能系统专业博士研究生。主要研究方向为数字图像处理、压缩感知理论及应用等。E-mail:jessonlew@。 中图法分类号：TN911.72 文献标识码：A 文章编号：1006-8961(2011) - - 文章索引信息: 分形压缩感知高维信号重构方法 刘佶鑫 ， 孙权森 （南京理工大学计算机科学与技术学院，南京 210094） 摘 要： 压缩感知理论改变了香农采样定理的信号处理思路，具有十分重要的科研应用价值。压缩感知框架下信号重构是获取数字终端产品的关键性环节，典型的重构方法是以基追踪(BP)算法为代表，核心是解决l1范数最小化问题，但是BP算法在高维的信号重构中表现不佳。因此，本文提出一种基于分形维度的压缩感知高维信号重构方法，采用分形中的Minkowski维度代替l1范数作为重构问题的目标函数。实验的可视化结果和信噪比均表明，分形压缩感知信号重构方法既保持了BP算法的优点又改善了其维度广延性。 关键词 ： 压缩感知；信号重构；l1范数最小化；分形维度 Fractal compressive sensing for high-dimension signal recovery LIU Jixin, SUN Quansen （School of Computer Science and Technology, Nanjing University of Science and Technology, Nanjing 210094） Abstract: In the research field of digital signal processing, compressive sensing (CS) becomes more and more important because it changes the traditional signal processing method based on Shannon sampling theorem. Under the CS framework, signal recovery is a key point to obtain the digital termination product. Basis pursuit (BP) algorithm seems the most fundamental method of CS recovery, which is essentially an l1-norm minimization problem. However, BP can not be fit to the signal that is higher than one dimension. Therefore, this paper presents a new high-dimension CS recovery method based on fractal dimension theory. And the Minkowski dimension is used to replace the l1-norm as an object function in CS recovery. The visualization and SNR of experimental results show that fractal CS recovery not only inherits the advantage of BP but also improves the dimensional extensive property. Keywords: compress