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

ID:35093953

大小:5.53 MB

頁數(shù):71頁

時(shí)間:2019-03-17

稀疏信號(hào)壓縮感知重構(gòu)算法研究_第1頁
稀疏信號(hào)壓縮感知重構(gòu)算法研究_第2頁
稀疏信號(hào)壓縮感知重構(gòu)算法研究_第3頁
稀疏信號(hào)壓縮感知重構(gòu)算法研究_第4頁
稀疏信號(hào)壓縮感知重構(gòu)算法研究_第5頁
資源描述:

《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

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無此問題,請(qǐng)放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負(fù)責(zé)整理代發(fā)布。如果您對(duì)本文檔版權(quán)有爭議請(qǐng)及時(shí)聯(lián)系客服。
3. 下載前請(qǐng)仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請(qǐng)聯(lián)系客服處理。