压缩感知介绍-修改.ppt

压缩感知理论及应用 Compressed Sensing (CS)：Theory and Applications 南京航空航天大学电子工程学院 张 弓 1 背景介绍 1.1 传统采样理论介绍及问题提出 1.2 压缩感知理论的基本思想 2 压缩感知理论分析 2.1 压缩感知的前提 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 3 压缩感知应用 3.1 波形信号仿真分析 3.2 CS图像融合 3.3 单像素CS相机 3.4 CS雷达 1 背景介绍 1.1 传统采样理论介绍及问题提出 1.2 压缩感知理论的基本思想 1.1 传统采样理论介绍及问题提出 传统的基于Nyquist采样定理指导下的信息的处理主要表现在两个方面： 1、采样速率需达到信号带宽的两倍以上才能精确重构信号。这样的采样硬件成本昂贵，获取效率低下，对宽带信号处理的困难日益加剧。 2、在实际应用中，为了降低成本，人们常将采样的数据经压缩后以较少的比特数表示信号，而很多非重要的数据被抛弃，这种高速采样再压缩的方式浪费了大量的采样资源，另外一旦压缩数据中的某个或某几个丢失，可能将造成信号恢复的错误。 而现实生活中，随着信息技术的高速发展，信息量的需求增加，携带信息的信号所占带宽也越来越大 这就大大考验了数字化社会对信息处理的能力，包括：数据存储、传输和处理速度，基于Nyquist采样的理论遭到严峻的考验。 能否以远低于Nyquist采样定理要求的采样速率获取信号，而保证信息不损失，并且可以完全恢复信号？ 即能否将对信号的采样转化为对信息的采样？ 1.2 压缩感知理论的基本思想 一种新的理论—Compressed Sensing(CS,压缩感知，亦称压缩传感)。 由Candes、Romberg、Tao和Donoho等人在2004年提出，2006年才发表文献 基本思想： 1、信号是可压缩的或在某个变换域是稀疏的; 2、就可以用一个与变换基不相关的观测矩阵将变换所得高维信号投影到一个低维空间上; 3、然后通过求解一个优化问题就可以从这些少量的投影中以高概率重构出原信号。 2 压缩感知理论分析 2.1 压缩感知的前提 2.2 压缩感知流程介绍 2.3 第一步：信号的稀疏表示 2.4 第二步：观测矩阵的设计 2.5 第三步：信号重构 2.1 压缩感知的前提 稀疏性的定义： 一个实值有限长的N维离散信号 ，由信号理论可知，它可以用一个标准正交基 的线性组合来表示，假定这些基是规范正交的，其中 表示矩阵 的转置，那么有 其中 ，若 在基 上仅有 个非零系数 时，称 为信号 的稀疏基， 是 稀疏(K-Sparsity)的。 E.Candes等人证明了：信号的稀疏性是CS的必备条件。 信号是可压缩的或在某个变换域是稀疏的，这个条件的限制等同于信号带宽对于Nyquist采样定理的约束。 2.2 压缩感知流程介绍 长度为N的信号 在正交基 上的变换系数是稀疏的； 用一个与基 不相关的观测基 对系数向量进行线性变换，并得到观测向量 利用优化求解的方法从观测集合中精确或高概率地重构原始信号 。 如同信号带宽对于Nyquist，信号的稀疏性是CS的必备条件； 如同Nyquist采样规则对于Nyquist-Shannon采样定理，CS的关键是非相关测量（该测量称为测量矩阵），他们都是信号得以精确恢复的条件； 如同Fourier变换对于Nyquist，非线性优化是CS重建信号的手段。 第一步：信号的稀疏表示 如图是一个稀疏度为3的稀疏变换， ,在时域 基本都是非零值， 但将其变换到 域 时，非零值就只有3 个了，数目远小于 原来的非零数目，实 现了信号的稀疏表 示。 如何找到信号的最佳稀疏域呢？ 这是压缩感知理论的基础和前提，也是信号精确重构的保证。对稀疏表示研究的热点主要有两个方面： 1、基函数字典下的稀疏表示： 寻找一个正交基使得信号表示的稀疏系数尽可能的少。比较常用的稀疏基有：高斯矩阵、小波基、正（余）弦基、Curvelet基等。Candes和Tao经研究发现光滑信号