压缩感知的原理和应用.pptx

Introduction to Comprehensive Sensing;contents;contents;;1.2 信号的压缩和传输;1.3 亟待解决的问题;1.4 压缩感知的理论框架;contents;研究现状;2.1 压缩感知的前提 ;2.2 压缩感知流程介绍;2.2 压缩感知流程介绍;2.2 压缩感知流程介绍;第一步：信号的稀疏表示;;第二步：观测矩阵的设计;第三步：信号重构; 对于0-范数问题的求解是个NP问题，需要列出所有非零项位置的种组合的线性组合才能得到最优解，在多项式时间内难以求解，而且也无法验证其可靠性。 Chen，Donoho和Saunders指出求解一个优化问题会产生同等的解。于是问题转化为： Candes等指出，要精确重构k稀疏信号x，测量次数M（必须满足M=O(k ·logN) ，并且矩阵Φ必须满足约束等距性条件(Restricted Isometry Principle)。 求解该最优化问题，得到稀疏域的系数，然后反变换即可以得到时域信号。;重构算法;contents;3.1 单像素相机;3.1 单像素相机;3.2 ??态CT图像重建;3.2 动态CT图像重建;3.2 动态CT图像重建;3.2 动态CT图像重建;3.2 动态CT图像重建;3.2 动态CT图像重建;3.3 快速MR成像;3.3 快速MR成像;3.3 快速MR成像;3.4 图像融合;3.5 目标识别和跟踪;总结;