基于貝葉斯框架的壓縮傳感方法研究.pdf

1、壓縮傳感突破了奈奎斯特定理中要求采樣率不小于最高頻率兩倍的瓶頸,在信號(hào)處理領(lǐng)域中具有廣泛的應(yīng)用前景。本文在學(xué)習(xí)壓縮傳感理論和重構(gòu)算法后,對(duì)貝葉斯壓縮傳感算法進(jìn)行了研究,主要完成工作如下：
　　 ⑴針對(duì)許多重構(gòu)算法逐行或逐列重構(gòu)會(huì)割裂行列之間的相關(guān)性的問題,提出了兩種改善方法,分別為基于行列最優(yōu)圖像重構(gòu)和基于小波子帶行列相關(guān)性圖像重構(gòu)。前者利用了小波子帶系數(shù)的特征,后者利用了小波子帶行列相關(guān)性的特征。與基于行列均衡圖像重構(gòu)的改善方

2、法相比較,兩種改善方法分別從性能和運(yùn)行時(shí)間上有所改進(jìn)。
　　 ⑵針對(duì)單種先驗(yàn)分布不能很好的描述小波系數(shù)的兩種分布：非高斯峰值分布和類高斯分布,提出了一種基于混合稀疏先驗(yàn)的貝葉斯壓縮傳感。本文還研究了各種算法與信號(hào)稀疏度的關(guān)系,給出了兩種信號(hào)稀疏性判定準(zhǔn)則用于重構(gòu)算法中。實(shí)驗(yàn)表明,混合稀疏先驗(yàn)的貝葉斯壓縮傳感的重構(gòu)效果的確優(yōu)于單種先驗(yàn)的貝葉斯壓縮傳感。
　　 ⑶針對(duì)在重構(gòu)過程中所有行信號(hào)采用統(tǒng)一重構(gòu)算法,提出了基于重要性模