基于单像素相机重构矩阵优化的影像采集和重构方法

传统的重构矩阵优化算法可以事前确定稀疏变换基,却无法事前确定测量矩阵,尽管能够提高可压缩信号的重构效果,但不利于测量矩阵的硬件实现。针对这些问题,基于事前确定的稀疏变换基和单像素相机测量矩阵,提出了无需把二维影像转化成一维信号的基于线阵推扫和重构矩阵优化的单像素相机影像采集和重构方法。该方法实现了以事前确定的单像素相机测量矩阵采集数据,以事后优化的重构矩阵重构信号。初步解决了针对影像的测量矩阵硬件实现难题,改善提高了影像重构效果。同时回避了"测量矩阵和稀疏变换基不相关性好"的测量矩阵设计原则。实验表明无需把二维影像转化成一维信号的基于线阵推扫和重构矩阵优化的单像素相机影像采集和重构方法是可行的。

对称Toeplitz线性方程组的基于余弦变换的最佳预优矩阵

利用第四类离散余弦变换矩阵构造出求解对称Toeplitz线性方程组的最佳预优矩阵,构造该预优矩阵所需的运算量为O(n).理论和数值实验显示,利用本文中所构造的预优矩阵求解对称Toeplitz线性方程组所需的迭代次数与现有的其它类型预优矩阵差不多,但预优矩阵的构造要更简单.

基于简化MWC的非重构宽带频谱检测

在当前的宽带频谱感知模型中,常用离散频率表示连续频率的频带,然而这种方法不能准确反应频谱占用的实际情况。该研究提出一种新的宽带频谱检测方案,首先,通过简化的调制宽带转换系统(MWC)对由块稀疏模型表示的实际宽带信号进行采样以获取压缩测量值;然后,利用离散余弦变换矩阵(DCT)的能量压缩特性得到信号能量信息;最后,通过新型能量检测器直接对能量压缩信息进行判决。仿真结果表明,所提算法在减少计算复杂度,较重构频谱检测节约50%以上时间的情况下,表现出比OMP重构的宽带频谱检测算法、压缩检测器以及传统的能量检测器更好的工作特性。

利用压缩测量值的非重构宽带频谱感知

为了解决在认知无线电(CR)宽带系统中快速精确分析数据并实现频谱感知的技术难题,对非重构压缩频谱检测进行了研究。提出了一种利用压缩测量值的非重构宽带频谱感知算法,推导分析了虚警概率和检测概率的封闭表达式。该算法利用离散余弦变换(DCT)矩阵的能量压缩特性观测得到主用户能量压缩信息,并利用新型压缩检测器对压缩信息进行判决。仿真表明,所提算法降低了计算复杂度,提供了比传统的能量检测器和压缩检测器更好的工作特性。

省略零平面的彩色视频编码

为提高彩色视频的压缩比,在定义四维矩阵零平面的基础上,提出了一种"省略零平面"的编码方法。彩色视频在经过四维矩阵离散余弦变换(4DMDCT:Four-dimensionalMatrixDiscreteCosineTransform)和四维矩阵量化后,量化系数中存在着大量的零系数。在对这些系数进行游程编码时,过多的零系数使得互不相同的游程数目多而分散,从而降低了熵编码的效率。"省略零平面"编码使得大多数描述零系数的游程变短,而且变得较为集中。而对于每个子矩阵中省略的零平面信息,用额外的几个比特来表示,并对其进行DPCM(DifferentialPulseCodeModulation)编码。实验结果表明,在保证较好视觉效果的前提下,该方法的压缩比一般可达到200倍以上。