压缩感知 订阅
压缩感知(Compressed sensing),也被称为压缩采样(Compressive sampling)或稀疏采样(Sparse sampling),是一种寻找欠定线性系统的稀疏解的技术。压缩感知被应用于电子工程尤其是信号处理中,用于获取和重构稀疏或可压缩的信号。这个方法利用讯号稀疏的特性,相较于奈奎斯特理论,得以从较少的测量值还原出原来整个欲得知的讯号。核磁共振就是一个可能使用此方法的应用。这一方法至少已经存在了四十年,由于David Donoho、Emmanuel Candès和陶哲轩的工作,最近这个领域有了长足的发展。 展开全文
压缩感知(Compressed sensing),也被称为压缩采样(Compressive sampling)或稀疏采样(Sparse sampling),是一种寻找欠定线性系统的稀疏解的技术。压缩感知被应用于电子工程尤其是信号处理中,用于获取和重构稀疏或可压缩的信号。这个方法利用讯号稀疏的特性,相较于奈奎斯特理论,得以从较少的测量值还原出原来整个欲得知的讯号。核磁共振就是一个可能使用此方法的应用。这一方法至少已经存在了四十年,由于David Donoho、Emmanuel Candès和陶哲轩的工作,最近这个领域有了长足的发展。
信息
外文名
Compressed sensing
定    义
是一种寻找欠定线性系统的稀疏解的技术
通    过
开发信号的稀疏特性
用    途
获取和重构稀疏或可压缩的信号
中文名
压缩感知
被称为
压缩采样或稀疏采样
压缩感知基本信息
压缩感知(Compressed sensing),也被称为压缩采样(Compressive sampling),稀疏采样(Sparse sampling),压缩传感 [1]  。它作为一个新的采样理论,它通过开发信号的稀疏特性,在远小于Nyquist 采样率的条件下,用随机采样获取信号的离散样本,然后通过非线性重建算法完美的重建信号 [1]  。压缩感知理论一经提出,就引起学术界和工业界的广泛关注。他在信息论、图像处理、地球科学、光学/微波成像、模式识别、无线通信、生物医学工程等领域受到高度关注,并被美国科技评论评为2007年度十大科技进展。
收起全文
精华内容
下载资源
问答
  • 压缩感知

    2011-12-10 13:32:31
    压缩感知
  • 压缩感知的相关代码 (Compressed sensing codeCompressed sensing codeCompressed sensing codeCompressed sensing code)
  • 压缩感知雷达感知矩阵优化
  • 图像压缩感知的感知稀疏表示
  • 压缩感知demo

    2018-01-30 21:44:51
    压缩感知demo CSdemo,图片压缩感知的实例程序!运行即可
  • 压缩感知(Compressived Sensing)又叫压缩采样(Compressived Sample)或压缩传感,是近年来图像处理领域极为热门的研究方向。压缩感知的大意就是说 在采集信号(模拟到数字)的同时,完成对信号的压缩。下面就介绍...

      压缩感知(Compressived Sensing)又叫压缩采样(Compressived Sample)或压缩传感,是近年来图像处理领域极为热门的研究方向。压缩感知的大意就是说 在采集信号(模拟到数字)的同时,完成对信号的压缩。下面就介绍一些压缩感知方面的概念,由于刚开始接触,难免有些理解上的偏差,希望读者不吝赐教。

      压缩传感的理论指出,只要信号是可压缩的或者是稀疏的,那么就可以用一个满足一定条件的观测矩阵将变换所得的高维信号投影到一个低维空间,然后通过求解一个优化问题就可以从这些少量的投影中以高概率重建出原信号,这样的投影包含了原信号足够的信息。

      压缩感知相对于传统的奈奎斯特采样定理——采样频率必须是信号最高频率的两倍及以上(要求信号是带限信号,通常用低通滤波器限制信号带宽),压缩感知是只采集信号的少量数据以还原出原始信号。压缩感知主要有三方面的内容:

      (1)自然信号的稀疏表达;

      (2)设计测量矩阵,在降低信号维度的同时还能保证信号的损失最小;

      (3)信号恢复算法,从M个测量值中无失真(低失真)的恢复原始信号。

      压缩感知的一般思路如下图:先对自然信号x进行稀疏表达,再利用观测矩阵Φ对真实信号进行观测从而得到测量值y,然后从已知条件(y,Φ)中重建出真实信号。

      

    1.信号的稀疏表达

      那么怎么进行稀疏表达呢?一般的自然信号x都不是稀疏的,但是在某个变换域却是稀疏的,所以可以用表达式x=Ψθ来表示,θ为稀疏系数,Ψ为N*N的稀疏矩阵。举个简单的例子,这个信号在时域是密集型的,但在频域却是稀疏的。稀疏就是说所有的元素只有个别是非零的(或者说远大于0),大部分元素都为0(或者绝对值很小)。

    也就是说当信号x在某个基Ψ上仅有 K<<N个非零系数或远大于零的系数θ时,称Ψ为信号x的稀疏基(稀疏矩阵)。我们需要做的就是合理地选择稀疏基,使得信号的稀疏系数个数尽可能少。

      信号在某种表达方式下的稀疏性是压缩感知的理论基础。经典的稀疏化方法有离散余弦变换(DCT),傅里叶变换(FFT),离散小波变换(DWT)等。

    2.测量矩阵

      测量矩阵Φ对真实信号x进行观测,从而得到观测值y。表达式为:y=Φx ,Φ是一个M*N的矩阵(M<<N),对N*1的原信号观测后得到M*1的观测值,也就是说原信号x在测量矩阵Φ上投影得到新的信号表示y。

      为了保证可以高概率地恢复出原信号,就要求测量矩阵Φ与稀疏矩阵Ψ的乘积满足RIP性质(有限等距性质),这个性质保证了原空间到稀疏空间的一一映射关系。RIP性质的等价条件就是测量矩阵Φ与稀疏矩阵Ψ不相关。测量值y是一个M维向量,这样就把信号从N维降到M维,测量矩阵要求在x到y的变换中,所测量的K个测量值不会破坏信号的信息以保证可以精确重构。

      将上面的式子整合起来就是:y=Φx=ΦΨθ,令A=ΦΨ,A是一个M*N的传感矩阵。上式中,方程的个数远小于未知数的个数,方程无确定解,无法重构信号。但是,由于信号是K稀疏,若上式中的Φ满足有限等距性质(Restricted Isometry Property,简称RIP),则K个系数就能够从M个测量值准确重构(得到一个最优解)。如果稀疏基和观测基不相关,则很大程度上保证了RIP性。CandeS和Tao等证明:独立同分布的高斯随机测量矩阵可以成为普适的压缩感知测量矩阵。则一般用随机高斯矩阵作为观测矩阵。目前常用的测量矩阵还有随机贝努利矩阵、部分正交矩阵、托普利兹和循环矩阵和稀疏随机矩阵等。

      测量矩阵的图形表示:

     

     未完待续......

    转载于:https://www.cnblogs.com/kl2blog/p/7205298.html

    展开全文
  • 压缩感知程序

    2017-07-02 09:56:29
    压缩感知的相关程序
  • 压缩感知算法

    2019-01-04 17:13:41
    压缩感知去算法代码并由参数评估算法,实物图和效果图
  • 分块压缩感知模型

    2021-04-01 22:00:16
    分块压缩感知,算法是基于OMP算法,变换是DCT变化,且根据纹理自适应选择 分块压缩感知,算法是基于OMP算法,变换是DCT变化,且根据纹理自适应选择
  • 压缩感知.pptx

    2019-10-14 09:28:06
    压缩感知基本原理介绍 基于压缩感知的大规模MIMO-OFDM系统信道估计方法研究
  • 压缩感知介绍

    2012-03-12 22:34:43
    压缩感知介绍压缩感知介绍压缩感知介绍压缩感知介绍
  • 自适应重加权压缩感知进行图像压缩
  • 压缩感知综述

    2021-01-14 16:15:23
    压缩感知理论的诞生使得采样速率与信号的结构和内容相关, 并以低于奈奎斯特采样定理要求的频率采 样、编码和重构. 在实际应用中, 为解决数据冗余和资源浪费的瓶颈问题开拓了一条新道路, 也为其他学科发展提供...
  • 压缩感知基础

    热门讨论 2012-07-15 15:58:19
    压缩感知基础内容,包括陶哲轩在外面讲座的ppt和一些大牛对CS的见解。
  • 压缩感知代码

    热门讨论 2011-11-06 16:08:47
    压缩感知是图像压缩领域的一种新的压缩方法,本代码对图像分为八成八小块进行压缩感知,效果不错
  • 压缩感知回顾与展望

    2018-02-03 16:10:58
    压缩感知回顾与展望 压缩感知入门文献 压缩感知 稀疏表示

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 3,348
精华内容 1,339
关键字:

压缩感知