基于压缩感知的一类信号重构算法分析-analysis of a signal reconstruction algorithm based on compressive sensing.docxVIP

基于压缩感知的一类信号重构算法分析-analysis of a signal reconstruction algorithm based on compressive sensing.docx

  1. 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. 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. 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. 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. 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. 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. 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
基于压缩感知的一类信号重构算法分析-analysis of a signal reconstruction algorithm based on compressive sensing

湖 南 大 学学位论文原创性声明本 人 郑 重 声 明 :所 呈 交 的 论 文 是 本 人 在 导 师 的 指 导 下 独 立 进 行 研 究 所 取 得 的 研究成果。 除了文中特别加以标注引用的内容外,本论文不包含任何其他个人或 集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体,均 已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名:日期:年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保 留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。 本 人 授 权 湖 南 大 学 可 以 将 本 学 位 论 文 的 全 部 或 部 分 内 容 编 入 有 关 数 据 库 进 行 检 索 , 可 以 采 用 影 印 、 缩 印 或 扫 描 等 复 制 手 段 保 存 和 汇 编 本 学 位 论 文 。本学位论文属于1、保密□ ,在 年解密后适用本授权书。2、不保密□。 (请在以上相应方框内打”√”)作者签名:日期:年月日导师签名:日期:年月日摘 要压缩感知是一种建立在优化理论、运筹学和矩阵分析等基础上的全新的信号 获取与处理的理论框架,它突破了传统信号对采样频率要求的瓶颈,极大地促进 了数学理论与工程应用的结合,并在核磁共振、医疗成像等多个领域有广泛的应 用前景。压缩感知理论主要包括三个部分:信号的稀疏表示、测量矩阵和信号重 构算法的设计,其中信号的重构算法是该理论的核心部分,直接决定了信号的重 构效果。本文主要对 ??0 极小化问题及其相关问题解的状况和压缩感知中迭代硬阈值算法进行了探究, 给出了 ?0 极小化问题解 的个数的上界,并提 出了快速迭代硬阈值算法等几个改进的新算法。具体研究结果如下:NN(1)压缩感知中的重构算法主要是解决 ??0 极小化问题,所以探讨该问题解的 个 数 有 其 实 际 的 研 究 意 义 。 本 文 证 明 了 该 问 题 解 的 个 数 的 范 围 为 [1, C min{M ,?N /2?} ] , 并构造 特定 测量 矩阵 ??与测量 信号 b ,使 ??0 极小 化问题 解的 个数 达到 上界, 即 证 明此为最佳上界。此外,对 ??0 极小化的相关问题也进行了探讨,当 spark(?) ??s ?1 时 , 该 问 题 的 解 的 个 数 为 有 限 个 , 取 值 范 围 为 [1, C s ] 。 同 样 , 构 造 特 定 的 测 量 矩阵 ??和 b 可使解的个数达到上界。(2)基于最速下降法的思想,本文提出了快速迭代硬阈值算法,从数值实验 可以看出改进的算法在性噪比、重构概率和运行时间方面都优于原算法。并且, 对正规化迭代硬阈值算法和拟牛顿迭代投影算法进行了相应的改进,提出了快速 正规化迭代硬阈值算法和快速拟牛顿迭代投影算法,改进的算法能减少计算时间、 提高重构效率。关键词:??0 极小化;迭代硬阈值算法;最速下降法;拟牛顿迭代;投影算法AbstractCompressed sensing is a new theory frame of signal acquisition and processing that is based on optimization, operations research and matrix analysis, it broke through bottlenecks of the traditional signal sampling rate, and greatly promoted the combination of mathematical theory and engineering application. Moreover, it also has been a very active field of recent research with a wide range of applications, including nuclear magnetic resonance, medical imaging et al. Compressed sensing theory mainly has three parts, including signal sparse representation, the design of the measurement matrix and signal reconstruction algorithms. Specially, signalreconstruction algorithms that determine the signal reconstruction

您可能关注的文档

文档评论(0)

peili2018 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档