苏州电子信息专业师资培训班资料关于数字信号处理课程_胡广书_2016_苏州.pptVIP

（3） 测量是非自适应的，即测量矩阵 不随 而变化； （4）如果信号在传感器端的采集是昂贵的，费时的， 危险的，或不可能的，而在接收端的计算（即恢 复）是低廉和容易实现的，那么CS是特别有应 用价值的。模拟/信息转换的应用。 （5）用低维的 来代替（或恢复）高维的 ，这在 数字信号和数字图像的压缩、识别、稀疏表示及 重建等领域都有着广泛的应用。 CS理论依赖于三个要求： （1）信号 ，或其在变换域是稀疏的; （2）测量矩阵 要满足一定的性质； （3）高效的恢复算法。 CS理论中的主要内容： （1）信号的稀疏表示； （2）为保证唯一地由 恢复 稀疏信号 ， ？ （3）测量矩阵 要满足的性质及其设计； （4）信号恢复的算法； （5）如何得到 ？A/I问题； （6） CS的应用。 David L Donoho教授：1957年生，现为斯坦福大学统计学系教授， 2013年邵逸夫数学科学奖获得者。 Emmanuel J.Candès 教授：1970年生，现为斯坦福大学数学、统计学、电工程学教授。 Terence Tao（陶哲轩）教授：1975生。华裔澳籍数学家，UCLA教授。 正交变换的优点： 去除信号中的相关性； 将信号能量浓缩到少数系数上； 计算简单 “优雅( elegance）”的变换 正交变换的不足：当信号中包含多种模式时，利用单一的正交基不能很好地“匹配”所要分解的信号，因此也不能有效地实现信号的稀疏表示。 正交变换的不足 例如，DFT对谐波信号、均匀平滑的信号非常有效，但是当信号中存在有间断点和尖脉冲时，傅里叶变换的效果就不理想，无法得到好的稀疏表示。说明单独的一个正交基不能同时匹配两种不同类型的信号。 再例如，一幅图像有平滑的区域，也有剧烈的边缘。小波变换在表示具有有限断点的平滑分段连续信号方面是最优的，对具有复杂纹理结构的图像也具有很强的优势，但由于图像的边缘具有不连续性，并且是按空间分布的，因此，小波在处理图像边缘方面的效果不理想。 对含有多种模式的信号，应该用多个“基函数”构成一个混合的“基”来自适应信号的特征，以匹配信号中的不同模式，并取得最佳的稀疏效果。该混合的“基”称为“字典（dictionary） ”。 向量，“原子” 变换矩阵，长方阵 目的：追求信号最稀疏的表示! 已知信号 待求稀疏信号 未知数大于已知数，欠定问题，无穷多解 有唯一解，“NP”难， “匹配追踪” 变换矩阵 “基追踪” 算法 重大进展 稀疏表达和压缩感知类似。一个问题的两个方面： 已知信号 待求稀疏信号 变换矩阵， 待重建高维信号 已知信号 测量矩阵， 欠定；NP-Hard；长方阵：基追踪；匹配追踪 压缩感知 稀疏恢复（sparse recovery） 权威期刊 Proceedings of the IEEE vol.98，No.6，2010 专辑： Applications of Sparse Representation and Compressive Sensing 把稀疏表示和压缩感知合在一起进行讨论 字典 应具有的功能 定位功能； 多分辨率功能； 自适应功能； 几何不变性和过完备功能。 解析字典 Curvelets变换 Contourlets变换 Bandelets变换 学习字典 Method of Optimal Directions ；Union of Orthobases ； Generalized PCA； K-SVD Algorithm。 如何从 中选最优的 个原子。 稀疏表达两个核心问题 如何设计最优字典 ； * 两通道滤波器组 通道滤波器组 各输出信号所在的频带 非均匀滤波器组 多抽样率信号处理 多分辨率信号分析 小波变换 定义： 给定 小波变换（Wavelet Transform） 可得到一族函数 令： 及：