一类信号压缩算法的构造.pdfVIP

哈尔滨工业大学理学硕士学位论文 摘 要 小波分析是最近发展起来的一门应用学科。从数学角度上来看，它是在特定 空间内按照小波基函数对数学表达式的展开与逼近。小波变换的主要特点集中表 现在多分辨分析( 多尺度)分析能力，成为继傅立叶分析之后又一有力的信号分析 工具。 为了缓解了人们在处理信息的巨量需求造成信号采样，传输和存储的巨大压 力,近年出现了压缩感知理论。与Nyquist 采样定理不同，它指出，只要信号在某 个变换域是稀疏的,那么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。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，可以证明这样的投影包含了重构信号的足够信 息。在该理论框架下，采样速率不决定于信号的带宽，而决定于信息在信号中的 结构和内容。 本文的工作是基于此理论，研究了如下的三个问题：第一是通过离散信号的 稀疏变换相应地讨论了连续信号的稀疏变换，得到小波系数是稀疏的从而可以进 行压缩传感。第二是利用多分辨分析理论将变换后的系数进行分层处理，主要是 将高频（人眼难以分辨的）信息进行近似零化处理，保留低频部分，提高压缩比。 第三通过以上处理后，讨论了所构造的压缩算子需要满足的基本条件以及通过解 线性方程组来重构信号，并且估计了与原始信号的误差。 关键词：小波变换；稀疏表示；最优化恢复；线性方程组的稀疏解；信号重构 I 哈尔滨工业大学理学硕士学位论文 Abstract Wavelet analysis is recently developed an application subject. From the angle of mathematics, it is in particular space according to the wavelet basic function to the mathematical expression with approximation. The main features of wavelet transform in the multi-resolution analysis focuses on multiscale analysis ability, and become a powerful signal analysis tool after the Fourier analysis. In order to relieve the enormous pressure that the people in a huge amount of information processing demand signal sampling, transfer and storage, recently, an emerging of compressed sensing is different from the traditional Nyquist sampling theorem. It points out that, as long as the signal in a transform domain is sparse, and then can use a transform basis without related to transform matrix from high- dimension signal to a low-dimensional space. At last by solving an optimization problem can from this small projection in high probability, reconstruct the original signal and may prove that the projection contains en