稀疏信號(hào)壓縮感知重構(gòu)算法研究

《稀疏信號(hào)壓縮感知重構(gòu)算法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、分類號(hào)ＴＰ３９１密級(jí)公開ＵＤＣ編號(hào)《余Ａ彎碩女研《ｉ嗦像化題目滿疏信號(hào)壓縮感知重構(gòu)義法研巧學(xué)院Ｃ所、中信息學(xué)院專業(yè)名稱通信與信息系統(tǒng)研究生姓名張慕學(xué)號(hào)１２０１３０００９９８導(dǎo)師姓名柏正堯職稱教授２０化年５月論文獨(dú)創(chuàng)性聲明及佳用授較本論文是作巧在導(dǎo)師指導(dǎo)下取得的巧究成累＊除了文中特別如Ｗ標(biāo)注和致謝，不巧在剩的地方外，論義中不包含其他人已經(jīng)發(fā)表或撰寫泣的研究成梁竊或抄襲巧為一同工作的同志對(duì)本研究巧做的任何貢獻(xiàn)均己在論文中作了明確？與作者的說明并表示了謝意。：學(xué)校有

2、權(quán)保留本論文（含電子版）現(xiàn)就論文的使用對(duì)云南大學(xué)授權(quán)如下，也可從采用影巧、縮巧或其他復(fù)剝手段保存論文；學(xué)校有權(quán)公布論文的全部或部分內(nèi)容，可Ｕｉ將論文甩于慧閱或借煩服務(wù)：學(xué)較有權(quán)向有關(guān)化構(gòu)送交學(xué)位論文用于學(xué)術(shù)規(guī)范審蒼、狂會(huì)監(jiān)餐或評(píng)漿；學(xué)校存權(quán)梅學(xué)位論文的全部或部分內(nèi)容錄、有關(guān)數(shù)據(jù)庫用于檢索服務(wù)。）（內(nèi)部或巧密的論文在解密房應(yīng)遵霜此級(jí)定歌淆：Ｗｉｔ研究生簽名；導(dǎo)師簽各：日期ｒ＾摘要傳統(tǒng)的奈奎斯特采樣要求采樣頻率是信號(hào)帶寬的兩倍Ｗ上，對(duì)稀疏多頻帶信，數(shù)據(jù)量大號(hào)采樣會(huì)造成采樣頻率高，浪費(fèi)

3、傳輸和存儲(chǔ)資源。皮縮感知從分析信號(hào)結(jié)構(gòu)出發(fā)，利用信號(hào)的稀疏特性，在采樣率遠(yuǎn)小于Ｎｙｑｕｋｔ采樣率的條件下，用隨機(jī)采樣獲取信號(hào)的離散樣本，然后通過非線性恢復(fù)算法重建信號(hào)。壓縮感知將，減少信息兀余信號(hào)采樣和壓縮同時(shí)進(jìn)行，可有效降低采樣頻率和數(shù)據(jù)量，節(jié)?。崳姶鎯?chǔ)空間。；（２）測量矩陣的構(gòu)造３）壓縮感知理論的核也內(nèi)容（１）信號(hào)的稀疏表示；（重構(gòu)算法的設(shè)計(jì)；稀疏表示是壓縮感知的前提，構(gòu)造和選擇測量矩陣，有利于重構(gòu)算法的設(shè)計(jì)實(shí)現(xiàn)；重構(gòu)算法設(shè)計(jì)是關(guān)鍵部分。稀疏表示、測量矩陣構(gòu)造、重構(gòu)一算法設(shè)計(jì)，Ｈ者環(huán)環(huán)相扣，缺不可。本

4、文主要研究稀疏信號(hào)的壓縮感知重構(gòu)算法。論文首先簡要回顧壓縮感知理論，介紹信號(hào)的稀疏表示、測量矩陣構(gòu)造和重構(gòu)算法。然后，介紹常用的亞奈奎斯特，、（ＲＤ）、（ＭＷＣ）采樣系統(tǒng)即多陪集采樣（ＭＣ）隨機(jī)解調(diào)器調(diào)制寬帶轉(zhuǎn)換器，并重點(diǎn)介紹ＭＷＣ；論文重點(diǎn)研究壓縮感知恢復(fù)算法，即正交匹配追蹤（ＯＭＰ）算法、正則化正交匹配追蹤（ＲＯＭＰ）算法、壓縮采樣匹配追蹤（ＣｏＳａＭＰ）算法，ＭＰ一－（ＩＯＭＰ）并在Ｏ算法基礎(chǔ)上，提出種新的算法改進(jìn)正交匹配追蹤算法。本文詳細(xì)給出了上述四種算法的算法步驟、流程圖等。利用Ｍａｔｌ化仿真平臺(tái)，對(duì)上

5、Ｉ，實(shí)驗(yàn)結(jié)果表明ＯＭＰ算法的重構(gòu)性能較好，述算法進(jìn)行仿真分析，論文提出的能實(shí)現(xiàn)精確重構(gòu)。關(guān)鍵詞：壓縮感知；調(diào)制寬帶轉(zhuǎn)換器；貪婪算法亞奈奎斯特采樣；改進(jìn)正交；匹配追蹤算法；１ＡｂｓｔｒａｃｔＡｂｓｔｒａｃｔＴｒａｄｉｔｉｏｎａｌＮｙｑｕｉｓｔｓａｍｐｌｉｎｇｒｅｑｕｉｒｅｍｅｎｔｓｓａｍｐｌｉｎｇｆｒｅｑｕｅｎｃｙｉｓｍｏｒｅｔｈａｎｔｗｉｃｅｔｈｅｓｎａ－ｉｇｌｂａｎｄｗｉｄｔｈｏｆｓｐａｒｓｅｍｕｌｔｉｂａｎｄｓｉｇｎａｌｓａｍｐｌｅｓｗｉｌｌｃａｕｓｅｔｈ

6、ｅｓａｍｐｌｉｎｇｆｒｅｕｅｎｃｉｓｈｉｈａｌａｒｅａｍｏｕｎｔｏｆｄａｔａｗａｓｔｅｔｒａｎｓｏｒｔａｎｄｓｔｏｒａｅｒｅｓｏｕｒｃｅｓ．Ｆｒｏｍｑｙｇ，ｇ，ｐｇｔｈｅａｎａｌｙｓｉｓｏｆｃｏｍｒｅｓｓｅｄｓｅｎｓｉｎｓｉｎａｌｓｔｒｕｃｔｕｒｅｔｈｅｕｓｅｏｆｓａｒｓｅｃｈａｒａｃｔｅｒｉｓｄｃｐｇｇ，ｐｓｉｎａｌｓａｔｔｈｅｓａｍＵｎｒａｔｅｉｓｍｕｃｈ１巧ｓｔｈａｎｔｈｅＮｕｉｓｔｓａｍｌｉｎｒａｔｅｃｏｎ出ｔｉｏｎｓｗｉｔｈｇｐｇｙｑｐｇ

7、，ａｒａｎｄｏｍｓａｍｅｃａｔｕｒｎｓｃｒｅｔｅｓａｍｅｓｏｆｔｅｓｉｎａａｎｄｅｎｔｈｒｏｕａｎｏｎｎｅａｐｌｐｉｇｄｉｐｌｈｇｌ，ｔｈｇｈｌｉｒｎａ＊ｓｉｇｌｒｅｃｏｖｅｒｙａｌｇｏｒｉｔｈｍｓｉｅｃｏｎｓｔｍｃｔｉｏｎ．Ｃｏｍｐｒｅｓｓｅｄ化ｎｓｉｎｇｓｉｇｎａｌｓａｍｐｌｉｎｇａｎｄｃｏｍｒｅ巧ｉｏｎａｔｔｈｅｓａｍｅｔｉｍｅｃａｎｅｆｅｃｔｉｖｅｌｒｅｄｕｃｅｔｈｅｓａｍｌｉｎｆｒｅｕｅｎｃａｎｄｔｈｅｐ，ｙｐｇｑｙａｍｏｕｎｔｏｆｄａｔａａ

8、ｎｄｒｅｄｕｃｅｉｎｆｏｒｍａｔｉｏｎｒｅｄｕｎｄａｎｃｙ，ｓａｖｉｎｇｓｔｏｒａｅｓａｃｅ．ｇｐｒｅｓ化ｄｓｅｎｓｎｃｏ＊ｅｔｈｅｏｒＣｏｍｐｉｇｉｙ（１ｓｉｇｎ泣Ｉｓａｒｓｅ