压缩感知框架下非均匀信息采集及重构

• •

压缩感知框架下非均匀信息采集及重构

田文飚¹,芮国胜¹,张海波²,王林²

1. 海军航空工程学院
2.

收稿日期:2013-02-06 修回日期:2013-05-07 发布日期:2013-06-20
通讯作者: 田文飚

Non-Uniform Information Acquisition and its Reconstruction within the Compressed Sensing Framework

Received:2013-02-06 Revised:2013-05-07 Published:2013-06-20

摘要/Abstract

摘要： 现有直接信息压缩采样（Analog to Information Conversion，AIC）灵感源自于压缩感知（Compressed Sensing，CS）理论框架。其以均匀采集的方式对信号进行观测，观测效率和性能有待提高。在能量准则下，所提出的非均匀信息采集（Non-Uniform Information Acquisition，NUIA）充分利用了信息的重要性先验，即对信号随机调制后，依据能量进行变速率地采集，能量越大的信号段采样速率越高，反之亦然。结合支撑域扩充、剪枝的思路提出变速匹配追踪（Variable Rate Matching Pursuit，VRMP）算法，通过引入非均匀观测的先验支撑集，并在追踪过程中将其与迭代估计出的支撑集相并，提升重构精度。理论分析和实验表明了RUIA-VRMP的有效性。特别的，相比于常规AIC的SP重构，RUIA-VRMP的组合能在低采样速率条件（如20%的Nyquist速率）下获得50dB的重构增益。

关键词: 直接信息采样, 压缩感知, 重构算法, 非均匀采样

Abstract: The existing Analog to Information Conversion (AIC) inspired by the recent theory of Compressive Sensing (CS) is based on uniform-low-rate information measurement, and the importance prior information contained in the signal is underused. Under the energy criterion, Non-Uniform Information Acquisition (NUIA) is proposed. After random modulating, the signal is sampled at the non-uniform rate that the bigger the energy is the higher sampling rate is and vice versa. Combining the idea of support merger with pruning, variable rate matching pursuit (VRMP) is presented. The prior support set, which is united with the set of signal approximation support, is able to promote recovery accuracy. Compared with the SP reconstruction of conventional AIC, the combination of RUIA-VRMP obtains 50dB reconstruction gain at ultra-low-rate (e.g. 20% Nyquist Rate).

Key words: analog to information conversion, compressed sensing, reconstruction algorithm, non-uniform sampling

田文飚芮国胜张海波王林. 压缩感知框架下非均匀信息采集及重构[J]. , 0, (): 0-0.

参考文献

相关文章 15

[1]	于华楠, 杜瑶, 郭树旭. 基于压缩传感的高精度同步相量测量方法[J]. 吉林大学学报(工学版), 2018, 48(1): 312-318.
[2]	王新华, 欧阳继红, 庞武斌. 压缩编码孔径红外成像超分辨重建[J]. 吉林大学学报(工学版), 2016, 46(4): 1239-1245.
[3]	刘洲洲, 王福豹. 改进的离散混合蛙跳算法压缩感知信号重构及应用[J]. 吉林大学学报(工学版), 2016, 46(4): 1261-1268.
[4]	于华楠, 代芳琳, 苏天恺. 基于压缩感知的三相电能质量扰动信号压缩及分类新方法[J]. 吉林大学学报(工学版), 2016, 46(3): 964-971.
[5]	张轶, 达新宇, 褚振勇. 低密度奇偶校验码的压缩感知重构[J]. 吉林大学学报(工学版), 2015, 45(3): 985-990.
[6]	王宏志，王贤龙，周婷婷. 基于光滑0范数的图像分块压缩感知恢复算法[J]. 吉林大学学报(工学版), 2015, 45(1): 322-327.
[7]	田文飚, 芮国胜, 张海波, 王林. 下非均匀信息采集及重构[J]. 吉林大学学报(工学版), 2014, 44(4): 1209-1214.
[8]	贺岩, 赵晓晖. 理论的宽带多用户认知系统合作检测[J]. 吉林大学学报(工学版), 2014, 44(4): 1165-1170.
[9]	王好谦, 杜成立, 惠征. 一种新的多视点分布式视频编码算法[J]. 吉林大学学报(工学版), 2013, 43(增刊1): 225-229.
[10]	葛亮, 胡封晔, 赵利英, 李莎莎. 基于WBAN的生物特征检测重构算法[J]. 吉林大学学报(工学版), 2013, 43(增刊1): 213-216.
[11]	朱永贵, 刘平, 丛佳. 稀疏图像重构非凸Lp问题的分裂方法[J]. 吉林大学学报(工学版), 2013, 43(增刊1): 55-59.
[12]	冯鑫, 王晓明, 党建武, 沈瑜. 基于插值Directionlet变换的图像融合方法[J]. 吉林大学学报(工学版), 2013, 43(04): 1127-1132.
[13]	康荣宗, 于宏毅, 田鹏武, 郭虹. 基于压缩感知的自适应干扰抑制算法[J]. , 2012, (06): 1587-1591.
[14]	赵春晖, 腾志军, 马爽. 基于广义功率谱密度的分布压缩宽带频谱感知[J]. , 2012, 42(04): 1015-1020.
[15]	陈玫玫, 郭树旭, 王瑶, 吴斌, 于思瑶, 邵向鑫. 压缩感知的指静脉图像去噪[J]. 吉林大学学报(工学版), 2011, 41(02): 559-0562.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed