也谈压缩感知(compressive sensing)
CS framework:三个核心公式
压缩感知框架所要解决的是信号采样问题,如一个 NN 维的信号 x∈RN×1\mathrm{x}\in \Re^{N\times 1},与传统的信号采样的方法不同,我们不是对 x\mathrm{x} 直接进行 NN 次采样,而是对其进行 MM 次观测(已知 M<NM )。这可表示为如下的欠定系统:
\textrm{y}=\Phi \textrm{x}
y∈RN×1\textrm{y}\in \Re^{N\times 1} 就是所谓的观测向量(measured vector), Φ∈RM×N\Phi\in \Re^{M\times N}是随机观测矩阵(random measurement matrix)。
压缩感知的理论要求,在给定观测值 y\textrm{y} 和观测矩阵 Φ\Phi 的条件下,要想唯一地重建出原始信号 x\textrm x,x\textrm x 必须在某一给定的一组基 Ψ\Psi 下是稀疏的。这意味着:
\textrm x=\Psi \textrm s
s\textrm s 就是所谓的 K−sparseK-sparse,也即 s\textrm s 中最多有 KK 个显著不为零的元素。基(basis) Ψ\Psi 可以是完备的(complete),也即 Ψ∈RN×N\Psi \in \Re^{N\times N},也可以是超完备的(overcomplete),也即 Ψ∈RN×N1\Psi\in \Re^{N\times N_1},其中 N<N1N。由以上两等式可得:
\textrm y=\textrm A\textrm s
其中 A=ΦΨ\textrm A=\Phi\Psi。
单观测向量(SMV) vs 多观测向量(MMVs)
因为只有一个观察向量 y\textrm y,以上问题又被称作单观测向量问题(SMV,Single Measurement Vector)在压缩感知的理论体系中。
有单观测向量问题,自然也就有多观测向量问题(MMVs,Multiple Measurement Vectors),其要解决的问题是,从 LL 个观察向量的集合 {yi}i=1,2,⋯,L\left \{\textrm y_i\right \}_{i=1,2,\cdots,L} 中重建 LL 个稀疏向量的集合 {si}i=1,2,⋯,L\left \{\textrm s_i\right \}_{i=1,2,\cdots,L}。
也谈压缩感知(compressive sensing)相关推荐
- 压缩感知 (Compressive sensing)之公式及关键点说明
前言 压缩感知(Compressive sensing)和压缩采样(Compressive sampling)是一样的. 本想细更一下这个内容,但细看完"参考资料1"后,我决定放弃 ...
- 压缩感知 compressive sensing(转)
信号处理新理论 采样定理(又称取样定理.抽样定理)是采样带限信号过 程所遵循的规律, 1928年由美国电信工程师H.奈奎斯特首先提出来的,因此称为奈奎斯特采样定理.1948年信息论的创始人C.E.香农 ...
- 初识压缩感知 compressive sensing
压缩感知是近年来极为热门的研究前沿,在若干应用领域中都引起瞩目.最近粗浅地看了这方面一些研究,对于Compressive Sensing有了初步理解,在此分享一些资料与精华.本文针对陶哲轩和Emman ...
- 初识压缩感知Compressive Sensing
压缩感知是近年来极为热门的研究前沿,在若干应用领域中都引起瞩目.最近粗浅地看了这方面一些研究,对于Compressive Sensing有了初步理解,在此分享一些资料与精华.本文针对陶哲轩和Emman ...
- 压缩感知高斯测量矩阵matlab,浅谈压缩感知(十七):测量矩阵之有限等距常数RIC的计算...
有限等距常数(RestrictedIsometry Constant, RIC)是与有限等距性质(Restricted IsometryProperty, RIP)紧密结合在一起的一个参数. 一.RI ...
- 浅谈压缩感知(二十一):压缩感知重构算法之正交匹配追踪(OMP)
主要内容: OMP的算法流程 OMP的MATLAB实现 一维信号的实验与结果 测量数M与重构成功概率关系的实验与结果 稀疏度K与重构成功概率关系的实验与结果 一.OMP的算法流程 二.OMP的MATL ...
- 浅谈压缩感知(十三):压缩感知与传统压缩
浅谈压缩感知(十三):压缩感知与传统压缩 导言: 压缩感知,顾名思义,就是感知压缩,这里包含两层意思,1.感知,即采集或采样,在传统的信号采集中,为了不失真,必须满足Nyquist采样定理,在上一篇博 ...
- 浅谈压缩感知(九):正交匹配追踪算法OMP
浅谈压缩感知(九):正交匹配追踪算法OMP 主要内容: OMP算法介绍 OMP的MATLAB实现 OMP中的数学知识 一.OMP算法介绍 来源:http://blog.csdn.net/scucj/a ...
- matlab压缩感知,压缩感知(Compressed Sensing, CS)matlab代码
[实例简介] 压缩感知(Compressed Sensing, CS)matlab代码.实现多个正弦信号的随机欠采样,通过压缩感知恢复.两个m文件分别是两个算法,正交匹配追踪(OMP)算法和SPGL1 ...
- 浅谈压缩感知(二十八):压缩感知重构算法之广义正交匹配追踪(gOMP)
浅谈压缩感知(二十八):压缩感知重构算法之广义正交匹配追踪(gOMP) 主要内容: gOMP的算法流程 gOMP的MATLAB实现 一维信号的实验与结果 稀疏度K与重构成功概率关系的实验与结果 一.g ...
最新文章
- Linux内核中max()宏的奥妙何在?(一)
- 然并卵:BF 科普 BF 解释器的 JS 实现
- Linux 系统运维 文件操作命令
- Qt之Q_GLOBAL_STATIC创建全局静态对象
- android 弹出对话框时显示键盘
- Spring Boot 应用的测试
- 服务器登陆显示其他用户,连接远程服务器显示其他用户
- [react] 说说你对Relay的理解
- 计算机管理可以更新吗,微信可以批量管理好友吗(电脑版微信3.0.0更新规则了)...
- PHP中数字检测is_numeric与ctype_digit的区别介绍
- 37. 反转一个3位整数 Java
- Scrapy爬取QQ音乐、评论、下载、歌曲、歌词
- 【PS】制作透明质感按钮
- python教程(八)之异常(8.Warn)
- 计算机游戏33关,史上最难游戏?这个游戏推出了35年,玩家最多也只能通到33关!...
- 电脑Tab键有什么功能?分享Tab键的6个妙用
- 「产品速递」消防应急照明和疏散指示系统
- LTE信令流程——附着
- web应用防火墙检测恶意流量的方法
- 使用Xshell连接Ubuntu 20.4系统时提示
热门文章
- 使用Typora上传博客到博客园
- 如何退出scala命令界面和scala常用命令
- vue css隐藏_Vue+BootStrapV4,构建响应式、移动优先项目——BootstrapVue
- 机器学习代码实战——保存和加载模型(Save and Load Model)
- 剑指offer面试题41. 数据流中的中位数(二分查找)
- 多线程—— Queue(储存进程结果)
- linux设置自启动方式
- 非极大值抑制(Non-Maximum Suppression,NMS)(转)
- springMvc将对象json返回时自动忽略掉对象中的特定属性的注解方式
- 吴恩达深度学习笔记(十一)—— dropout正则化