压缩感知及应用第三章 压缩感知理论.pdfVIP

第三章 压缩感知理论 闫敬文 （汕头大学工学院电子系教授） 3.1 压缩感知的起源 1）在1795年，法国数学家Prony提出 在噪声环境下利用小部分复指数样本 对参数进行估计。 2 ）在19世纪七十至八十年代，地球 物理学家观察到最小化范数l1能成功 用于反射地震学。 3 ）在20世纪初，Caratheodory证明了K个 正弦信号的线性组合能够由其在t=0时刻 和其它任意2K个时刻的值唯一确定。 4 ）在20 世纪90年代，Bresler 等人提出了 获取由K个窄带组成的信号的采样框架， 得到的结论与Caratheodory相似。 5 ）在1992年，Donoho和Logan就已关注 基于最小化l1范数的恢复问题。 6 ）近几年，CS理论的蓬勃发展。 稀疏 字典 解码 压缩测量值 压缩测量值 重构 压缩传感 传输 测量 特征 提取 图3-2 压缩感知理论框架 3.2 压缩感知的应用 （1）测量矩阵构造研究。测量矩阵需 要满 足约束等距性条件 （2 ）测量矩阵的优化问题。当图像不 能在正交基上稀疏表示时，可以将其 扩展到冗余字典上进行稀疏表示。 （3 ）测量值的应用研究。在一定条件 下，通过少量的测量值就可以准确重 构出原始图像。 （4 ）图像超分辨率重构。指从一幅或 者多幅低分辨率图像产生或者构建高 分辨率图像的过程，具有不适定性。 （5 ）运动目标提取。利用图像序列运 动目标稀疏特性，设计测量矩阵，然 后对图像序列的背景差进行线性测量， 最后精确重构出运动目标 （6 ）实时压缩感知成像系统研制。相 对于压缩感知的理论研究进展，其硬 件实现还处于起步阶段。 3.3 压缩感知理论 压缩感知理论主要包括信号的稀疏 表示、编码测量和重构算法等三个方 面。 信号或图像的重建必须满足三个条件： （1）信号是稀疏的或者可压缩的； （2 ）感知矩阵是随机的，和信号本身 是互不相干的； （3 ）通过一定的重建策略来促进稀疏 化，完成上述问题的求解，即合适的 重建算法。 3.4 压缩感知算法 自然信号可以通过某种变换Ψ 进 行稀疏表示，即f =Ψx ，x为该信号在 Ψ-变换域的稀疏表示。考虑测量公式 y f x Ax y =Φf ，则有： 图3-3 压缩感知线性测量过程 测量矩阵 时域信 压缩传 压缩测 传输 号f 感测量 量值y 压缩测 时域信 稀疏反 变换域 重构 量值y ˆ f