基于广义轮换矩阵的伪随机广义二进制轮换矩阵设计

压缩感知中,测量矩阵在信号的获取和重构过程中起着重要的作用。传统的随机测量矩阵在采样率较高的情况下,能够获得比较好的重构效果,但在低采样率下的重构效果不够理想。确定性测量矩阵自身存在一些限制因素,与随机测量矩阵相比,重构效果有所降低。基于广义轮换矩阵(GR),提出了两种结构随机矩阵:广义二进制轮换矩阵(GBR)和伪随机广义二进制轮换矩阵(PGBR)。仿真结果表明,相对于传统的测量矩阵,新的测量矩阵在二维图像重建方面效果较好,所需重构时间相差不大,在较低的采样率下能够获得更加精确的重建。

广义轮换测量矩阵及其在水下回波信号压缩感知中的应用

根据压缩感知中测量矩阵的性质及要求,在轮换确定性测量矩阵的基础上,通过调整测量矩阵每一列元素的系数,增强列与列之间的相关性,得到广义轮换测量矩阵,并将其应用于水下回波信号的压缩感知观测中。通过无噪声下不同测量矩阵匹配度和相对误差随压缩比的变化,以及4、0、−3 dB三种信输入噪比下不同测量矩阵的输出信噪比、匹配度随压缩比的变化,分别对水下回波信号进行处理,比较其性能。仿真结果表明,相比部分哈达玛等确定性测量矩阵和以高斯为代表的随机测量矩阵,广义轮换测量矩阵在输出信噪比、匹配度、相对误差等方面有很大提高。同时广义轮换矩阵为确定性测量矩阵,便于工程实现。

基于压缩感知的测量矩阵研究

压缩感知打破了传统采样定理的限制,提供了一种从少量的非自适应线性测量值中就能恢复原始信号的方法。测量矩阵正是获取这些测量值的关键所在,寻求结构简单、性能稳定的测量矩阵一直是研究人员的目标。在介绍压缩感知测量矩阵的基础上,提出了广义轮换矩阵的改进方法,结合正交基线性表示的思想,利用广义轮换构造的正交矩阵来生成新的测量矩阵。通过仿真实验,证明了新的测量矩阵具有较好的性能。

基于前向预测并行追踪的视频压缩传感方法

为了减小视频信号采集端的负担,提出一种基于压缩传感理论的视频压缩算法模型。该模型采用广义轮换矩阵获取视频帧的测量值,再结合视频压缩的运动补偿预测关键技术,消除视频帧间冗余。然后在并行贪婪追踪算法中引入前向预测技术作为重构算法,最终获取重构的压缩图像。实验对比了在不同算法下的重构图像和不同采样比下不同算法的重构PSNR值,然后利用所提方法得到视频序列的重构压缩图像。实验结果表明,该算法模型能较精确地获取压缩的视频图像,适合在视频压缩中应用。