版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、壓縮感知是一種新穎的信號處理理論.它突破了傳統(tǒng)Nyquis/Shannon采樣理論對采樣的限制,以信號的稀疏性或可壓縮性為基礎(chǔ),實現(xiàn)了對信號的高效獲取和精確重構(gòu),具有很強的應(yīng)用背景.目前壓縮感知已在醫(yī)療成像,模式識別,壓縮成像系統(tǒng),信息轉(zhuǎn)化,生物傳感等領(lǐng)域得到了廣泛應(yīng)用.本文以壓縮感知為基礎(chǔ),進一步展開了對塊壓縮感知算法的研究.本文主要內(nèi)容如下:
第一章,概述了壓縮感知的研究背景,并從重構(gòu)算法和應(yīng)用角度,分析了壓縮感知的研究現(xiàn)
2、狀.最后概括總結(jié)了本文主要工作及全文組織結(jié)構(gòu).
第二章,主要介紹了壓縮感知的三大基礎(chǔ)理論,即信號的稀疏表示,測量矩陣的設(shè)計,重構(gòu)理論和算法.
第三章,綜合介紹了塊壓縮感知理論.包括塊稀疏的基本概念,重構(gòu)理論及其相關(guān)算法.分析了基于l2/lq(0<q≤1)極小化方法的Block-IRLS算法,并給出了該算法的理論刻畫:誤差上限估計和局部收斂性分析.其中誤差上限估計表明,誤差上限與正則化參數(shù)和最優(yōu)s項逼近誤差相關(guān),為基于
3、Block-IRLS算法的誤差控制提供了一定的理論依據(jù).
第四章,從誤差分析和算法對比方面,給出了Block-IRLS算法的仿真實驗和相應(yīng)的結(jié)果分析.特別是在與Block-OMP算法,SL20算法和SPGL1算法的塊稀疏對比試驗中,當信號的塊稀疏度為10時,SPGL1算法和SL20算法的重構(gòu)成功率為0,Block-OMP的重構(gòu)成功率為24%,而我們的Block-IRLS算法的重構(gòu)成功率為85%,優(yōu)勢明顯.
第五章,總
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 塊稀疏信號數(shù)據(jù)的_q(0-q≤1)極小化擾動分析.pdf
- 壓縮感知中一種無約束lq極小化迭代算法.pdf
- 基于壓縮感知的L-DACS1寬帶頻譜感知算法研究.pdf
- 壓縮感知塊稀疏信號重構(gòu)算法研究.pdf
- 壓縮感知中l(wèi)1正則化最小二乘問題的算法研究.pdf
- 基于GPU的圖像壓縮感知算法并行化研究.pdf
- 壓縮感知及其算法的研究.pdf
- 壓縮感知的重構(gòu)算法研究.pdf
- 壓縮頻譜感知算法研究.pdf
- 基于壓縮感知的語音聯(lián)合壓縮算法研究.pdf
- 求解矩陣_2,1范數(shù)極小化問題的譜梯度算法.pdf
- 基于壓縮感知的重構(gòu)算法研究.pdf
- 壓縮感知的稀疏重構(gòu)算法研究.pdf
- 水印圖像的壓縮感知算法研究.pdf
- 壓縮感知的重構(gòu)算法
- 基于壓縮感知的跟蹤算法研究.pdf
- 寬帶頻譜壓縮感知算法研究.pdf
- 壓縮感知中重建算法研究.pdf
- 基于壓縮感知的重構(gòu)算法與語音壓縮研究.pdf
- 壓縮感知的重構(gòu)算法
評論
0/150
提交評論