压缩感知技术现状与展望.docxVIP

?

?

压缩感知技术现状与展望

?

?

刘文迪程军孙业伟

摘要：压缩感知最吸引人的地方在于它直接在采样的前端能够以相对于传统更加低的采样率采集信号。当然这是由于我们掌握了信息的稀疏属性，所以当我们知道关于信号的更多先知条件时，那么更加详细的采取信息的效率，也就有可能增加。本文综述了压缩感知基本原理，介绍了信号稀疏表示、理论应用和未来展望等内容以及压缩感知理论研究现状和在相关领域的应用。

关键词：压缩感知;稀疏表示;理论应用;未来展望

引言

随着科学技术的飞速发展，社会各领域所需要的信息也逐步增加，信息的采取就是模拟信息源和数字信息之间的联系。传统的奈奎斯特采取的信息采样的方法指出，为了准确原始的恢复原始信息，采样的频率大于等于信号频率的两倍。通过这种方法采集的信息设计，完全可以代表原始信息所要表达的信号，但是采集的信息量过于繁重，这就导致在现实生活中，数据的储存和传输需要更多的成本和空间，同时在处理数据的过程中，也有可能造成数据的丢失，造成信息的巨大浪费。此外，它将带来巨大的困难和挑战的收集和处理大量的数据和相应的硬件设备，这些困难是当前信息技术领域的最主要的同时，也是未来发展的方向，所以，为了减少主要信息的保留和不必要信息的储存，一种新的信息压缩技术应运而生——压缩感知技术。

压缩感知技术，简单说来就是如果信息具有一定的可压缩性，或者具有一定的吸收程度，那么就可以通过特定的线性关系，将信息从高维度投影到低维度上，减少数据的采集量，同时还能够表达主要数据的信息。令y=Ax，其中y∈R（m），A∈R（m*n）是线性测量矩阵，稀疏恢复的主要任务是通过观测数据y和A来恢复未知数据x。显然该方程组具有许多的不稳定因素，也就是方程有许多解。通常假设x是稀疏的，并假设测量矩阵具有一些良好的性质，则这时候该线性方程组具有唯一解。压缩感知理论问题的研究涵盖了许多基础学科，应用范围也很广泛，因此得到了科学界的普遍关注和研究，在短短的时间内，得到了较快的发展。压缩感知与图像处理的结合目前还在发展阶段，技术发展都还在研究当中，且有待改进，将两者结合并改进，不仅对压缩感知，对图像处理也有更深入的发展，对社会和人们的需求也能一定程度的满足。

一、压缩感知理论框架

压缩感知技术是数据在编码解码方面的重大创新，传统的信息采集和编解码的过程如图一所示：编码始端先对数据进行采取，然后再进行转变，将其中重要数据进行压缩和编码，最后将编码的数据进行储存和运输，最后在进行信号的解码，就可得到原始信息。解码的终端只是编码的逆过程;将接收的信息进行分解和转化，得到原始压缩的数据。

传统的编码还存在一些不足的地方：1）传统编码的信号，要求信号的带宽是信号采取速率的两倍。这要求软件承受的带宽需要更大的承受能力;2）在信号压缩过程中，压缩的信息大部分被丢弃，导致信息在压缩过程中产生大量的浪费。压缩感知技术的实现，就与传统的编码有所不同，他以远高于传统的速率对信息进行自主的测量和编注。并且信息都包含着很少的主要信息。解码过程并不仅仅是编码的反过程，这使得采取的信息并不单单是信号本身，而是信息投影到低维的投影值。见图二，在传统理论上看来，每一个测量值都对应着一个组合的函数，也就是测量值都包含一定的信息。解码过程不是简单的逆过程，它是一种盲源分离中求逆的方法过程，利用信息可压缩中的重新构造的方法在概率方面实现信息的重构或者是一定误差下的近似构造，这样就使得解码所需的数量远远小于传统方法的样本数量。

二、信号的稀疏表示

由于压缩感知技术对可压缩的数据具有适应性，为了达到数据的简化，可以把处理数据的模型简化：信息的数量为N的离散实值信号为x，记为x（n），其中n属于{1，2，……N}。由实值信号理论知识可知x可以通过一组Φ的转置={Φ1，Φ2，…Φm…Φn}的线性组合的办法来表述。所以x=∑Φkαk（k从1到n），αk=x，α与x是N*1的矩阵，Φ是N*N的矩阵，当信号x在某个基Φ上仅有KN个非零系数（或者远大于零的系数）αk时，就称Φ为信号x的稀疏基。数据信息在x的稀疏基上，只有K个非零的系数属于准确的稀疏标准，在大多数方面，信号都不能满足上述条件，但是类似的信息如果具有可压缩性，也就是说，信息的变化系数，如果经过排序后，可以进行指数衰减并趋于零時，这样的信息也是可以用稀疏表示的。只要合理的选择稀疏基Φ，可以是信息的稀疏性减少，通过这种方法，不仅有利于提高信息的采取效率，而且能够有效地减少信息的储存，运输所占用的内存空间。常用的稀疏基有：正（余）弦基、小波基、chirplet基以及curvelet基等p

三、理论应用

压缩理论技术不仅带来了信息采取的理论革新，同时还具有广阔的应用前景，其中包括压缩技术成像，压缩编码医学图像，军事方面，天文方面、建筑方面等有待取