贝叶斯压缩感知理论和技术-电子与通信工程专业论文.docx

摘要 摘要 I I 摘 要 本文较为详细的介绍了压缩感知的基本概念，以及贝叶斯压缩感知信号恢复 算法。 其次介绍了在一比特采样下的一比特压缩感知信号恢复算法，提出了在一 比特压缩感知中当存在符号错误时的信号恢复算法。 最后提出了利用部分支撑集 信息的支撑集辅助的贝叶斯压缩感知算法。 在传统的一比特压缩感知过程中，由于受到噪声的干扰、 比较器阈值的偏 移、 信号传输中，采样得到的部分一比特信息会发生错误，这时信号恢复性能随 着错误比特数的增加而急剧的降低。 为了解决符号错误的问题，传统的方法通过 迭代的过程，逐一找出最有可能出错的符号。 在本文中，我们通过将符号错误的 过程建模成为受到稀疏噪声干扰的过程，创造性地将符号错误率同信号恢复过程 有机的结合起来，在信号估计的过程中，同时估计得到错误的符号位置。 实验表 明本文提出的算法性能远远好于现有的算法。 在传统的压缩感知过程中，尤其针对实际信号的处理过程中，我们有可能部 分的知道稀疏信号的部分支撑集信息，例如音频信号的 Descrete Cosin Transform (DCT) 变换后的系数，支撑集总是集中在低频附近；或者对序列信号进行处理的 过程中，前面帧的信号支撑集信息能够作为后一帧信号的支撑集的估计。本文中， 我们在贝叶斯压缩感知的框架下，当支撑集信息正确率比较高时，我们提出了一 种两层的贝叶斯模型，当支撑集信息正确率比较低时，我们提出了一种三层结构 的贝叶斯学习模型。 实验表明，三层结构的贝叶斯模型能够从给定的错误支撑集 信息中学习得到正确的支撑集信息，在多种条件下，相比于传统的压缩感知信号 恢复算法，信号恢复性能都更加好。 在支撑集信息正确率较高时，两层结构信号 恢复性能具有较大的优势。 关键词：压缩感知，一比特，符号错误，贝叶斯，支撑集辅助 ABSTRA ABSTRACT III III ABSTRACT In this thesis, we mainly concentrate on two problems, which are one bit compres- sive sensing and support knowledge aided Bayesian compressive sensing. Firstly, we consider the problem of sparse signal recovery from one-bit measure- ments. Due to the noise present in the acquisition and transmission process, some quan- tized bits may be flipped to their opposite states. These bit-flip errors, also referred to as the sign-flip errors, may result in severe performance degradation. To address this issue, we introduce a robust Bayesian compressed sensing framework to account for sign flip errors. Specifically, sign-flip errors are considered as a result of a sparse noise corrupted model, in which original (unquantized) observations are corrupted by sparse (impulse) noise. Numerical results are provided to illustrate the effectiveness and superiority of the proposed method. Secondly, it has been shown both experimentally and theoretically that sparse signal recovery can be significantly improved given that part of the signal’s support is known a priori. In practice, however, such prior knowledge is usually inaccurate and contains er- rors. Using such knowledge may result in severe perform