迭代加权压缩感知重构优化算法研究.doc
约32页DOC格式手机打开展开
迭代加权压缩感知重构优化算法研究,1.38万字32页原创作品，已通过查重系统摘要2004年由donoho等人提出的压缩感知理论（cs理论）表明利用信号的稀疏性或可压缩性，能够以极少量的线性测量值恢复原始信号，而远低于奈奎斯特采样定律的限制。该理论使得数据获取和数据压缩可以同时进行，成功克服了数据采样、存储等过程中的资源浪...
内容介绍
此文档由会员 马甲线女神 发布
迭代加权压缩感知重构优化算法研究
1.38万字 32页 原创作品，已通过查重系统
摘 要
2004年由Donoho等人提出的压缩感知理论（CS理论）表明利用信号的稀疏性或可压缩性，能够以极少量的线性测量值恢复原始信号，而远低于奈奎斯特采样定律的限制。该理论使得数据获取和数据压缩可以同时进行，成功克服了数据采样、存储等过程中的资源浪费问题。对该理论的研究，关键是如何通过重构算法从压缩感知得到的低维数据中精确的恢复出原始的高维数据。
通过学习国内外关于压缩感知理论及现有重建算法的文献，系统研究了压缩感知理论的框架，并介绍了几种典型的重建算法（凸优化算法和贪婪算法）及其优缺点。传统压缩感知基于最小 范数的凸优化算法，但是其对大系数的稀疏信号重建还不够准确，于是本文对其改进，分别采用基于迭代加权最小 范数和迭代加权最小 范数凸优化算法对最小 范数问题进行近似求解，得到了较好的实验结果。总的来说，此类方法重建精度高，需要的压缩测量数量少，但计算复杂度相对较高，因此，适合于解码质量要求较高，解码资源充足的应用场合。
关键词：压缩感知，稀疏信号，迭代加权最小 范数，迭代加权最小 范数
1.38万字 32页 原创作品，已通过查重系统
摘 要
2004年由Donoho等人提出的压缩感知理论（CS理论）表明利用信号的稀疏性或可压缩性，能够以极少量的线性测量值恢复原始信号，而远低于奈奎斯特采样定律的限制。该理论使得数据获取和数据压缩可以同时进行，成功克服了数据采样、存储等过程中的资源浪费问题。对该理论的研究，关键是如何通过重构算法从压缩感知得到的低维数据中精确的恢复出原始的高维数据。
通过学习国内外关于压缩感知理论及现有重建算法的文献，系统研究了压缩感知理论的框架，并介绍了几种典型的重建算法（凸优化算法和贪婪算法）及其优缺点。传统压缩感知基于最小 范数的凸优化算法，但是其对大系数的稀疏信号重建还不够准确，于是本文对其改进，分别采用基于迭代加权最小 范数和迭代加权最小 范数凸优化算法对最小 范数问题进行近似求解，得到了较好的实验结果。总的来说，此类方法重建精度高，需要的压缩测量数量少，但计算复杂度相对较高，因此，适合于解码质量要求较高，解码资源充足的应用场合。
关键词：压缩感知，稀疏信号，迭代加权最小 范数，迭代加权最小 范数
