信号处理
信號處理
신호처리
SIGNAL PROCESSING
2012年
6期
785-792
,共8页
压缩感知%稀疏表示%单重测量向量%多重测量向量%匹配追踪%贪婪算法
壓縮感知%稀疏錶示%單重測量嚮量%多重測量嚮量%匹配追蹤%貪婪算法
압축감지%희소표시%단중측량향량%다중측량향량%필배추종%탐람산법
压缩感知(Compressed Sensing:CS)技术是信号处理领域中数据获取和重构的新方法,其在理论上保证了只要源信号在时域或某种变换域中具有稀疏性,可以以远低于Shannon/Nyquist采样定理的采样率对信号进行采样而不至于引起信息丢失,同时,还可以以高概率重构源信号.CS现有算法大都从单重测量信号中恢复稀疏信号源,即为单重测量向量(SMV)模型.而在实际应用中,存在大量的多重测量向量情形,从多重测量向量中恢复未知的具有相同稀疏结构的联合稀疏信号源的模型称为CS的多重测量向量(MMV)模型.本文首先对CS-SMV和CS-MMV模型的基本数学原理进行了详细介绍,讨论了两种情况下稀疏源信号恢复的存在性与唯一性,然后在此基础上重点对近年来出现的各种联合稀疏信号的恢复算法进行了综述,分析了各种算法的性能,较全面的讨论了MMV模型的应用前景.最后对CS-MMV模型的发展趋势进行了总结和展望.
壓縮感知(Compressed Sensing:CS)技術是信號處理領域中數據穫取和重構的新方法,其在理論上保證瞭隻要源信號在時域或某種變換域中具有稀疏性,可以以遠低于Shannon/Nyquist採樣定理的採樣率對信號進行採樣而不至于引起信息丟失,同時,還可以以高概率重構源信號.CS現有算法大都從單重測量信號中恢複稀疏信號源,即為單重測量嚮量(SMV)模型.而在實際應用中,存在大量的多重測量嚮量情形,從多重測量嚮量中恢複未知的具有相同稀疏結構的聯閤稀疏信號源的模型稱為CS的多重測量嚮量(MMV)模型.本文首先對CS-SMV和CS-MMV模型的基本數學原理進行瞭詳細介紹,討論瞭兩種情況下稀疏源信號恢複的存在性與唯一性,然後在此基礎上重點對近年來齣現的各種聯閤稀疏信號的恢複算法進行瞭綜述,分析瞭各種算法的性能,較全麵的討論瞭MMV模型的應用前景.最後對CS-MMV模型的髮展趨勢進行瞭總結和展望.
압축감지(Compressed Sensing:CS)기술시신호처리영역중수거획취화중구적신방법,기재이론상보증료지요원신호재시역혹모충변환역중구유희소성,가이이원저우Shannon/Nyquist채양정리적채양솔대신호진행채양이불지우인기신식주실,동시,환가이이고개솔중구원신호.CS현유산법대도종단중측량신호중회복희소신호원,즉위단중측량향량(SMV)모형.이재실제응용중,존재대량적다중측량향량정형,종다중측량향량중회복미지적구유상동희소결구적연합희소신호원적모형칭위CS적다중측량향량(MMV)모형.본문수선대CS-SMV화CS-MMV모형적기본수학원리진행료상세개소,토론료량충정황하희소원신호회복적존재성여유일성,연후재차기출상중점대근년래출현적각충연합희소신호적회복산법진행료종술,분석료각충산법적성능,교전면적토론료MMV모형적응용전경.최후대CS-MMV모형적발전추세진행료총결화전망.
