压缩感知迂回式匹配追踪算法.ppt_第1页
压缩感知迂回式匹配追踪算法.ppt_第2页
压缩感知迂回式匹配追踪算法.ppt_第3页
压缩感知迂回式匹配追踪算法.ppt_第4页
压缩感知迂回式匹配追踪算法.ppt_第5页
已阅读5页，还剩19页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

,1,压缩感知中重构算法研究,提纲,研究背景及存在的问题,1,致谢,2,总结,3,主要研究内容,4,发表论文及参与项目,5,研究背景及存在的问题,分离式的采样压缩过程，采样频率受限于奈奎斯特频率。,一、基于奈奎斯特采样定理的信号处理过程,是否存在一体式采样压缩信号处理理论，突破奈奎斯特频率限制。,研究背景及存在的问题,一体式采样压缩信号处理理论，突破奈奎斯特频率限制。,二、基于压缩感知的信号处理过程,信号稀疏特性,研究背景及存在的问题,三、压缩感知重构算法分类,凸优化算法：重构准确率高，计算复杂度较高。 贪婪追踪算法：重构准确率较高，计算复杂度低。 组合算法：一种易结合人工智能算法的重构算法，算法不够稳定，易陷入局部最优解。,研究背景及存在的问题,四、压缩感知原理,研究背景及存在的问题,五、压缩感知原理,T,研究背景及存在的问题,六、压缩感知重构算法存在的问题,(1)信号的稀疏特性 (2)重构算法的鲁棒性 (3)重构算法的复杂度 (4)重构算法的普适性 (5)重构算法的收敛性,主要研究内容,迂回式匹配追踪算法 回环式匹配追踪算法,主要研究内容,一、经典OMP重构算法,主要研究内容,二、SP重构算法,主要研究内容,三、GPA重构算法,主要研究内容,四、迂回式匹配追踪算法,主要研究内容,四、迂回式匹配追踪算法,针对先扩增后缩减假定支撑集的贪婪重构稀疏信号算法的弊端，本文提出迂回式匹配追踪算法。直接扩增支撑集是最简单思想，但直接扩增支撑集往往使得支撑集元素过多，直接导致算法复杂度高，且导致算法重构准确率低。迂回是一种策略，采用先缩减后扩增支撑集方法，目的是保留支撑集中最重要的支撑集元素，然后将保留的支撑集元素作为先验条件，为后续扩增支撑集提供依据。迂回式匹配追踪算法采用了迂回深度控制，灵活地控制迂回算法尺度，多尺度迂回算法使得迂回式匹配追踪算法具有普适性。迂回式匹配追踪为优化计算复杂度，提出并证明了子内积逆和系数矩阵递推公示，显著地简化了重构算法的计算。,主要研究内容,四、迂回式匹配追踪算法,主要研究内容,四、迂回式匹配追踪算法,主要研究内容,四、迂回式匹配追踪算法,主要研究内容,五、回环式匹配追踪算法,主要研究内容,五、回环式匹配追踪算法,主要研究内容,六、仿真结果,主要研究内容,六、仿真结果,主要研究内容,六、仿真结果,主要研究内容,六、仿真结果,总结,压缩感知理论是一种能够有效降低信息采样率，节省网络带宽的新型采样理论。压缩感知重构算法研究主要侧重算法的计算复杂度、准确率和鲁棒性，重构算法是重构原始信号的关键核心。本文提出了两种新型重构算法。 迂回式匹配追踪算法。迂回式匹配追踪算法是一种保证高准确率的低计算复杂度贪婪重构稀疏信号算法。迂回式算法采用往返增减支撑集模式，先缩减后扩增假定支撑集方法提高重构稀疏信号准确率和扩大可重构稀疏信号的稀疏度范围。 回环式匹配追踪算法。回环式匹配追踪算法基于最优剩余支撑集元素回环迭代更新支撑集，利用了正交补矩阵、正交补投影矩
人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论