APP下载

压缩感知的自适应冗余字典及其图像恢复方法研究*

2012-05-10蒋业文于昕梅

关键词:测量信号

蒋业文,于昕梅

(佛山科学技术学院电子与信息工程学院,广东 佛山 528000)

压缩感知(CS,Compressed Sensing)的稀疏信号表示理论通常基于正交线性变换, 但许多信号是各种自然现象的混合体, 这些混合信号在单一的正交基变换中不能非常有效地表现出来。例如, 一个含有脉冲和正弦波形的混合信号, 既不能用单一的脉冲基函数, 也不能用单一的正弦基函数有效地表示。为此,CS理论采用一种新的信号稀疏表示技术,称为冗余字典,来表示这类混合信号。其基函数用称之为字典的超完备的冗余函数系统取代, 字典的选择尽可能好地符合被逼近信号的结构, 其构成可以没有任何限制, 字典中的元素被称为原子。从字典中通过测量矩阵找到具有最佳线性组合的m项原子来表示一个信号, 称作信号的稀疏逼近或高度非线性逼近。

CS理论的三个组成要素是信号的稀疏变换(目前的稀疏变换有离散余弦变换DCT,小波Wavelet,Curvelet,过完备原子分解(Overcomplete atom Decomposition)等);稀疏信号的非相干测量及稀疏信号的重建算法[1]。CS主要思想是对一类具有稀疏先验的信号,先经小部分非线性测量矩阵进行采样,其包含足够信息良好逼近信号,再通过一定类型的线性或非线性解码机制就可高概率精确重建原始信号。信号稀疏表示的一个关键问题就是如何设计有效的冗余字典[2]。当前已有小波包、小波和正弦函数的级联、局部余弦等多种冗余字典,但它们不总能保证信号的稀疏性[3]。文献[4]选取可分离Gabor函数作为语音原子库,但离散Gabor函数中多个时频参数所得的原子数量巨大,增加了复杂度。……

登录APP查看全文

猜你喜欢

测量信号
信号
完形填空二则
孩子停止长个的信号
测量的乐趣
测量
基于LabVIEW的力加载信号采集与PID控制
一种基于极大似然估计的信号盲抽取算法
高处信号强