压缩感知理论与光学压缩成像系统

压缩感知理论为提升信息获取能力提供了新的思路,它表明当被探测信号具有稀疏性时,则获取信号所必需的测量数据与其稀疏度K量级相当,而远小于信号的维数N(Shannon采样定理所要求的采样数)。基于压缩感知理论的成像技术(压缩成像)则将感知、压缩和数据处理三个过程完美地结合在一起,避免了传统成像系统"先采样再压缩"方式带来的传感器和计算资源浪费。本文从稀疏性、投影测量矩阵的设计与可重构条件、压缩感知重构算法三个方面概述了压缩感知理论及进展,并以光学成像为背景,详细阐述了最近提出的几类光学压缩成像系统,最后,探讨了压缩感知及压缩成像方面目前所面临的一些挑战性问题。     

压缩感知新技术专题讲座(三) 第6讲 压缩感知在语音处理中的应用研究

压缩感知CS(Compressive Sensing)作为一门新兴的技术,成为近年来人们广泛关注的研究热点。文中介绍了压缩感知理论的基本原理,在此基础上将压缩感知理论应用到语音信号处理中。首先研究了语音信号的稀疏性,说明了对语音信号进行压缩感知具有可行性;其次,采用随机滤波器组构造随机测量矩阵得到语音信号的压缩测量值;最后,研究了压缩测量值之间的相关性并将这种相关性作为稀疏度的一种度量方法用于控制随机滤波器阶数,实现了语音信号的自适应压缩感知。     

压缩感知新技术专题讲座(四) 第8讲 压缩感知在无线通信中的应用

压缩感知(CS)理论指出,如果信号在某个变换域内是稀疏的或可压缩的,那么就可以用与变换基不相干的低维线性观测矩阵实现信号的压缩测量。压缩感知充分利用信号固有的稀疏性或可压缩性,以远低于奈奎斯特频率,直接对信号中的重要信息进行采样,此时,采样速率不再决定于信号的带宽,而是决定于信号的结构和内容中所包含的信息,或者说是信号的信息速率。这种新型的信息获取方式带来了信号处理技术的革新,在各类模拟和数字系统中得到了广泛的应用。在无线通信系统的应用主要包括认知无线电、稀疏信道估计、无线传感器网络、阵列信号处理等方面。     

基于压缩感知的多频率信号融合

传统多频带雷达信号融合是利用多个连续采样的子带信号来重构全频带信号,从而提高距离向分辨力,改善一维距离像质量。但是由压缩感知原理可知,采样矩阵与测量矩阵不相关性越大,全频带信号就能重构得越好,因此理论上基于随机采样的信号融合的性能要优于基于多个连续采样的信号融合。基于压缩感知原理将传统的多频带融合问题推广为任意随机采样的信号重构问题,利用基追踪方法来重构全频率信号,并给出了能够高概率成功重构的充分条件。通过实验也证明了这种随机采样融合的优越性。     

求解压缩感知中信号重构问题的原始对偶算法

压缩感知理论(CS)是对信号压缩的同时进行感知的新理论,而如何通过有限的测量值准确地重构稀疏信号是压缩感知理论中的核心问题。为求解稀疏信号的重构问题,文章利用了一种基于邻近点算法的自适应一阶原始对偶算法,并证明了其全局收敛性,该算法通过研究l1范数最小化来求解信号重构问题。最后,对提出的算法进行数据仿真,并与压缩采样匹配追踪(CoSaMP)算法进行了对比,数据表明文章提出的算法计算速度更快。     

压缩感知新技术专题讲座(四) 第7讲 压缩感知在图像信号处理中的应用

绝大部分自然图像信号都在某个变换域具有稀疏性或近稀疏性。基于压缩感知理论,可以用远低于采样定理要求的采样频率采集信号,并可在一定条件下高概率恢复信号,这将极大降低图像信号的采样频率以及数据存储和传输的代价。文章首先简述了压缩感知理论,然后分析了图像的稀疏性对图像重建质量的影响,最后着重从图像压缩、图像融合、图像去噪、图像识别以及图像复原几个方面分析了压缩感知理论在图像处理领域中的应用以及目前所面临的问题。     

压缩感知理论在红外成像中的应用

分析了红外图像的数据特性,并对红外数据进行稀疏化处理,提出了基于压缩感知理论的红外图像成像方法。在红外图像测量平面使用随机观测矩阵进行观测,以少量的数据采样信息获得重建红外图像的足够信息。由实验和仿真计算可知,压缩感知理论应用于红外成像技术,降低了数据采样量,提高了采样速度,并能以较小的误差实现红外图像的重构。     

基于压缩感知和Welch的宽带频谱感知新算法

基于压缩感知的谱分析技术是宽带频谱感知的重要方法之一。文章将压缩感知与Welch法相结合,提出了一种新的宽带频谱感知算法。在不重构原信号波形的条件下,直接利用观测矩阵获得的低速观测值进行信号的功率谱估计,降低了采样速率,避免了重构算法的高复杂度。仿真结果表明,与基于压缩感知的多窗口联合奇异值分解算法(CS-MTM-SVD)相比,新算法在压缩率为0.5时能以更高的准确率估计出信号功率谱,估计精度与压缩率的变化成正比关系,并且新算法对噪声容忍度也更高。     

用于卫星干扰源定位的压缩感知DOA估计方法

针对传统测向方法的实际应用性能较差,提出一种基于压缩感知(CS)的卫星干扰源定位方法。根据干扰信号方位角的空间稀疏性,建立了压缩感知波达方向(DOA)估计模型。通过协方差矩阵的高阶幂逼近信号子空间和矩阵的共轭对称特征,利用高阶幂矩阵的主对角线下左下角列向量进行波达方向估计。仿真实验验证,该方法不需要已知干扰源数,具有较高的精度和较好的分辨力,且能满足对相干干扰信号的估计。对压缩感知DOA估计在卫星干扰源定位中的应用具有一定参考意义。     

基于多尺度压缩感知的信号重构

压缩感知是近几年新兴的采样理论,它指出如果信号在某些基上是可压缩的,那么通过很少的观测即可获得信号的准确重构。当信号采用小波基并在压缩感知的基础上,提出了多尺度压缩感知,数值仿真结果表明多尺度压缩感知可以给出更好的重构效果。