压缩感知介绍PPT-最终版.ppt

图像融合是对来自单一传感器不同时间、不同环境下获取的图像或由多个传感器同一时间获取的信息进行多级别、多层次的处理与综合，从而获得更丰富、更精确、更可靠的有用信息。01图像融合的目的是提高图像显示的质量、实现图像的特征提取、图像去噪、目标识别和跟踪以及图像的三维重构。02大部分图像的稀疏特性为CS的应用带来可能，同时CS的引入为图像的融合在计算速度、融合策略上都带来了新的飞跃。033.2CS图像融合3压缩感知应用图像融合结果图：压缩感知应用单像素CS相机运用压缩感知原理，RICE大学成功研制了单像素CS相机。传统百万像素的相机需要百万个探测传感器，而压缩传感数码相机只使用一个探测器来采光，然后跟捕获后的计算相结合来重构图像。这种样机的镜头由两部分组成：一个光电二极管和一个微镜阵列。该相机直接获取的是M次随机线性测量值而不是获取原始信号的N个像素值，为低像素相机拍摄高质量图像提供了可能。3压缩感知应用3压缩感知应用1“数字微镜阵列”完成图像在伪随机二值模型上的线性投影的光学计算，其反射光由透镜聚焦到单个光敏二极管上，光敏二极管两端的电压值即为一个测量值y，将此投影操作重复M次，即得到测量向量Y，2然后用最小全变分算法构建的数字信号处理器重构原始图像x。3数字微镜器件由数字电压信号控制微镜片的机械运动以实现对入射光线的调整，相当于随机观测矩阵。3压缩感知应用实验结果：字母R的CS雷达在雷达目标探测中，目标相对于背景高度稀疏，与复杂的雷达系统、海量数据呈现极度的不平衡，这就为CS技术在雷达目标探测与识别的应用提供了必要的条件。CS与传统的高分辨雷达CS与MIMO雷达CS与雷达成像3压缩感知应用CS雷达的三个关键点发射信号必须是充分不相关的；在CS方法中，不需要使用匹配滤波器；目标场景可以恢复是在假设目标满足稀疏性约束的条件下。压缩感知应用3.4.1CS与传统的高分辨雷达CS技术很重要的思想是设计一个观测矩阵，用来表示稀疏信号的字典集，并且与是不相关的。利用这个思想设计出CS雷达接收机如下图所示。压缩感知应用3.4.1CS与传统的高分辨雷达3压缩感知应用假设空间有若干个稀疏目标，将目标所在的距离向与方位向分割成网格形式。CS雷达可以检测的目标数量，为稀疏单元数目。如果，则可以采用CS理论，通过优化问题求解，精确分辨出空间的多个目标。3压缩感知应用3.4.2CS与MIMO雷达2004年Fishler等人提出了多输入多输出(MultipleInputMultipleOutput，MIMO)雷达的概念MIMO雷达收发阵列配置图3压缩感知应用3.4.2CS与MIMO雷达文献YaoYu,AthinaP.Petropulu,H.VincentPoor,MIMORadarUsingCompressiveSampling,IEEEJournalOfSelectedTopicsinSignalProcessing,Vol.4,NO.1,FEB2010基于小规模的无线网络将CS理论应用于非相参MIMO雷达系统,求得目标的角度和多普勒解。文献Chun-YangChenandP.P.Vaidyanathan,CompressedSensinginMIMORadar,Signals,SystemsandComputers,200842ndAsilomarConferenceon，26-29Oct.2008结合MIMO雷达目标在距离-多普勒-角度域的稀疏特点,研究了CS在相参MIMO雷达系统中的信号重构和波形优化问题。文献YaoYu,AthinaP.PetropuluandH.VincentPoor,CompressedSensingforMIMORadar.ICASSP2009.已经开展了CS用于MIMO雷达的参数估计。3压缩感知应用对于均匀线阵的MIMO雷达信号模型，利用CS方法估计目标波达方向(DirectionofArrival，DOA)，可以高概率的精确估计目标的DOA。均匀线阵MIMO雷达估计结果1均匀线阵MIMO雷达估计结果2相参MIMO雷达系统通过多发多收形成大数量的虚拟阵列，在发射机、目标以及接收机之间构成对目标的分布式探测系统，这与分布式压缩感知（DCS）的思想不谋而合。