原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
Chap33压缩感知
3.3 压缩感知;1. 概述
2.压缩感知描述
3. 应用展望
;;被感知对象;压缩感知由D. Donoho、E. Candes及华裔科学家T. Tao等人提出
网站/cs上可以获取大量相关的论文
;压缩感知理论核心思想是压缩和采样合并进行，突破了香农采样定理的瓶颈，使高分辨率的信号采集成为可能
压缩感知理论主要包括信号的稀疏表示、随机测量和重构算法等三个方面。稀疏表示是应用压缩感知的先验条件，随机测量是压缩感知的关键过程，重构算法是获取最终结果的必要手段。
;采样：图像压缩
填充点：填充缺失的像素
添加形状：添加彩色形状
根据周边的原始像素增加形状
迭代计算
;设x为长度N的一维信号，稀疏度为k（即含有k个非零值），A为M×N的二维矩阵（MN），y=Φx为长度M的一维测量值。压缩感知问题就是已知测量值y和测量矩阵Φ的基础上，求解欠定方程组y=Φx得到原信号x。
;如果一个信号中只有少数元素是非零的，则该信号是稀疏的。通常时域内的信号是非稀疏的，但是在某个变换域可能是稀疏的。
如果长度为N的信号X，在变换域个系数不为零（或者明显不大于其他系数），且KN，那么可以认为信号X在域中是稀疏的并可记为K-稀疏（不是严格定义）。
;为了重构稀疏信号，T. Tao、E. Candès 给出并证明了必须满足约束等距性条件，对于任意和常数，有
;直接求解相当困难。解决方案：
不改变目标函数，寻求近似的方法求解
将目标函数进行转化，变为更容易求解的问题
;找到某个正交基Ψ ，信号在该基上稀疏;压缩感知理论带来了信号采样理论的变革
具有广阔的应用前景，包括压缩成像、模拟信息转换、生物传感等。(车牌辨识、月球表面恢复等);3、应用展望
文档评论（0）