基于壓縮感知理論的可硬件實(shí)現(xiàn)的測(cè)量矩陣研究.pdf

1、壓縮感知(Compressive Sensing，or Compressed Sampling，簡(jiǎn)稱CS)，是一種新的捕獲和重構(gòu)信號(hào)的方法，它可以用遠(yuǎn)低于奈奎斯特采樣速率的頻率對(duì)信號(hào)進(jìn)行采樣。該理論指出:如果一個(gè)信號(hào)具備稀疏特性，那么就可以用測(cè)量矩陣將高維信號(hào)投影到低維空間內(nèi)進(jìn)行表示，最后經(jīng)過(guò)求解最優(yōu)化的解，從數(shù)量較少的低維投影值中以高概率重構(gòu)還原得到信號(hào)。因此基于壓縮感知理論的信號(hào)采樣頻率是由信號(hào)的內(nèi)部信號(hào)和系數(shù)變換空間決定的，而不再

2、取決于自身帶寬。
　　本文的研究重點(diǎn)是將壓縮感知理論實(shí)際運(yùn)用到圖像測(cè)量與重構(gòu)領(lǐng)域，努力實(shí)現(xiàn)一套以壓縮感知理論為指導(dǎo)的圖像測(cè)量與重構(gòu)系統(tǒng)。
　　第一部分，介紹壓縮感知理論的背景意義及其發(fā)展?fàn)顩r，簡(jiǎn)述了壓縮感知理論的步驟。簡(jiǎn)要闡述基于壓縮感知的實(shí)際應(yīng)用，分析其在實(shí)用化過(guò)程中所需要解決的問(wèn)題。
　　第二部分，綜合分析常用的測(cè)量矩陣的構(gòu)造過(guò)程和性能差異后，提出構(gòu)建兩種確定性測(cè)量矩陣:基于格拉姆矩陣的多項(xiàng)式測(cè)量矩陣、基于偽隨機(jī)序

3、列的分塊哈達(dá)碼測(cè)量矩陣。通過(guò)理論分析和仿真實(shí)驗(yàn)，得出本文確定的兩種測(cè)量矩陣具有的優(yōu)勢(shì)。
　　第三部分，介紹壓縮感知理論中典型的重構(gòu)算法，先通過(guò)軟件Matlab平臺(tái)測(cè)試算法的性能，仔細(xì)分析諸多重構(gòu)算法在嵌入式硬件平臺(tái)實(shí)現(xiàn)的可能性，采用基于梯度投影重構(gòu)算法GPSR與稀疏自適應(yīng)匹配追蹤SAMP算法，并采用本文改進(jìn)的兩種確定性測(cè)量矩陣，完成算法模擬仿真與分析。
　　第四部分，介紹基于壓縮感知理論的圖像測(cè)量重構(gòu)的DSP硬件平臺(tái)的工作流