CN101895297A - 一种面向压缩感知的块稀疏信号重构方法 - Google Patents
一种面向压缩感知的块稀疏信号重构方法 Download PDFInfo
- Publication number
- CN101895297A CN101895297A CN 201010240600 CN201010240600A CN101895297A CN 101895297 A CN101895297 A CN 101895297A CN 201010240600 CN201010240600 CN 201010240600 CN 201010240600 A CN201010240600 A CN 201010240600A CN 101895297 A CN101895297 A CN 101895297A
- Authority
- CN
- China
- Prior art keywords
- matrix
- block
- vector
- signal
- iteration
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Compression, Expansion, Code Conversion, And Decoders (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
Description
技术领域
本发明属于压缩感知技术领域,具体涉及一种块稀疏信号的重构算法。
背景技术
传统的信号采样理论是基于奈奎斯特采样定理,即:在进行模拟信号向数字信号转换的过程中,为保证源信号的信息不丢失,无失真地恢复源信号,采样频率应大于该模拟信号中最高频率的2倍。这使得宽带模拟信号的数字化需要很高的采样频率,增加了物理器件的负担。而且,对于数据量大的信号,对处理器的存储容量和处理速度都将有更高的要求。
压缩感知(Compressed Sensing,CS)理论是近几年提出的一个全新的信号采样理论,其思想是对稀疏信号能以远低于奈奎斯特采样频率的速度对源信号进行全局观测,通过适当的重构算法从观测信号中重构出源信号。CS理论将传统的对信号的采样转化成对信息的采样,把采样和压缩结合成一步对信号进行编码,极大地降低了信号的采样频率及数据存储和传输代价,显著地降低信号处理时间和计算成本。由于其特殊的性质,CS理论在信源编码、数据挖掘、雷达信号处理、医学信号处理以及图像处理等领域有广泛的应用前景。
目前基于块稀疏信号的重构算法主要分为三种:
一、混合l 2/l 1优化(Mixed l 2/l 1 Optimization Program, L-OPT)算法;
二、块稀疏匹配追踪(Block-sparse Matching Pursuit, BMP)算法;
三、块稀疏正交匹配追踪(Block-sparse Orthogonal Matching Pursuit, BOMP)算法。
采用混合l 2/l 1优化算法作为块稀疏信号的重构算法,存在优化复杂度较高,实际应用困难的问题;采用块稀疏匹配追踪算法或是块稀疏正交匹配追踪算法作为块稀疏信号的重构算法,匹配原子确定后便不再改变,容易造成过匹配现象。
发明内容
本发明为了解决现有采用块稀疏信号的重构算法中的混合l 2/l 1优化算法优化复杂度较高、块稀疏匹配追踪算法或是正交匹配追踪算法容易造成过匹配现象的问题,提出一种面向压缩感知的块稀疏信号重构方法。
本发明是通过下述方案予以实现的:一种面向压缩感知的块稀疏信号重构方法,所述方法的过程为:
设定块稀疏信号重构过程中各参数的初始状态值:
预先设定迭代误差err,分块向量Group的形式为:
其中,N=M×d,M为分块向量Group的分组数,d为分块向量Group的子块长度,
步骤二、根据第l-1次迭代后的残差r l -1 ,计算第l次迭代后的与残差r l-1最匹配的子空间i l :
即的转置与第l-1次迭代后的残差r l-1进行相乘运算后,得到一个长度为d的向量,将所述的向量中的多个元素取绝对值,再对所述的多个绝对值求其平均值,从而获得M个绝对平均值,从所获得的M个绝对平均值中选择最大的K个值的标号赋值给所述与残差r l-1最匹配的子空间i l ;
步骤四、根据观测信号y及步骤三获得的第l次迭代的过渡矩阵,计算第l次迭代后的与观测信号y最匹配的子空间t l :
步骤七、判断步骤六中所述的第l次迭代后的残差r l 是否小于预先设定迭代误差err,判断结果为是,则执行步骤十,判断结果为否,则执行步骤八;
步骤八、判断步骤七中所述的迭代次数l的取值是否大于分组数M,判断结果为是,则执行步骤十,判断结果为否,则执行步骤九;
步骤九、将迭代次数l的值加1,返回步骤二;
完成块稀疏信号x的重构。
本发明通过第l次迭代对第l-1次迭代运算出的恢复矩阵的列向量在测量矩阵中的标号进行修正,且对于一个块稀疏度为K的稀疏信号x,在测量数m足够大的情况下,不超过K次迭代即可重构块稀疏信号x。本发明所述的方法复杂度低、不会造成过匹配现象,能够同时满足重构概率和重构效率的要求,在信源编码、数据挖掘、雷达信号处理、医学信号处理以及图像处理等领域,本发明所述的方法在将采集到的压缩信号进行恢复的过程中,得到广泛的应用。
附图说明
图1是具体实施方式一所述的一种面向压缩感知的块稀疏信号重构方法的流程图;图2是具体实施方式一所述的压缩感知处理信号的基本模型框图;图3是本发明所述算法与L-OPT算法、BMP算法及BOMP算法分别在观测信号y幅度为高斯分布信号时的重构概率结果图;图4是本发明所述算法与L-OPT算法、BMP算法及BOMP算法分别在观测信号y为二值信号的重构概率对比图。
具体实施方式
具体实施方式一、下面结合图1及图2具体说明本实施方式。一种面向压缩感知的块稀疏信号重构方法,所述方法的过程为:
设定块稀疏信号重构过程中各参数的初始状态值:
预先设定迭代误差err,分块向量Group的形式为:
其中,N=M×d,M为分块向量Group的分组数,d为分块向量Group的子块长度,
设定残差的初始值r 0 =y,恢复矩阵的初始值,迭代次数l的初始值为1,块稀疏信号x的重构向量;
步骤二、根据第l-1次迭代后的残差r l-1,计算第l次迭代后的与残差r l-1最匹配的子空间i l :
即的转置与第l-1次迭代后的残差r l-1进行相乘运算后,得到一个长度为d的向量,将所述的向量中的多个元素取绝对值,再对所述的多个绝对值求其平均值,从而获得M个绝对平均值,从所获得的M个绝对平均值中选择最大的K个值的标号赋值给所述与残差r l-1最匹配的子空间i l ;
步骤六、根据步骤五中获得的恢复矩阵,计算第l次迭代后的残差r l :
步骤七、判断步骤六中所述的第l次迭代后的残差r l 是否小于预先设定迭代误差err,判断结果为是,则执行步骤十,判断结果为否,则执行步骤八;
步骤八、判断步骤七中所述的迭代次数l的取值是否大于分组数M,判断结果为是,则执行步骤十,判断结果为否,则执行步骤九;
步骤九、将迭代次数l的值加1,返回步骤二;
,
完成块稀疏信号x的重构。
本实施方式中,压缩感知处理信号的基本模型为:
其中:块稀疏信号,,表示稀疏信号x的0-范数,即信号值不为0的个数。测量矩阵是m行N列的实数矩阵,即,且m<<N。在已知观测向量y和测量矩阵的情况下,可以用0-范数意义下的优化问题来重构或逼近块稀疏信号x。
块稀疏信号x的形式可表示为:
其中N=M×d,x[l]为一子块。
当d=1时,块稀疏信号退化成一般意义下的稀疏信号。
块稀疏度为K的块稀疏信号x的一个子块x[l]中至多有K个不为0的欧几里德范数,定义:
其中,
所以,块稀疏信号x的块稀疏度为K,满足。
本实施方式的步骤二中一次能够寻找到K个匹配的子块,提高了算法的运行效率。
本实施方式的步骤四中对第l-1次迭代后的与观测信号y最匹配的子空间t l 进行修正,从而提高了寻找信号支撑集的准确率,能更加精确地重构块稀疏信号x。
本实施方式通过第l次迭代对第l-1次迭代运算出的恢复矩阵的列向量在测量矩阵中的标号进行修正,且对于一个块稀疏度为K的稀疏信号x,在测量数m足够大的情况下,不超过K次迭代即可重构块稀疏信号x。本发明所述的方法复杂度低、不会造成过匹配现象,能够同时满足重构概率和重构效率的要求,在信源编码、数据挖掘、雷达信号处理、医学信号处理以及图像处理等领域,本发明所述的方法在将采集到的压缩信号进行恢复的过程中,得到广泛的应用。
具体实施方式二、本实施方式是对具体实施方式一所述的一种面向压缩感知的块稀疏信号重构方法中的步骤一的进一步说明,步骤一中预先设定迭代误差err设定为10-5。
具体实施方式四、本实施方式是对具体实施方式一、二或三所述的一种面向压缩感知的块稀疏信号重构方法的进一步补充,在步骤一中,还包括对测量矩阵中的每一列列向量进行幅度归一化处理的步骤,其中,对测量矩阵中的第q列列向量进行幅度归一化处理的过程为:
具体实施方式五、下面结合图3、图4具体说明本实施方式。本实施方式是将本发明所述的方法与混合l 2/l 1优化算法(L-OPT)、块稀疏匹配追踪算法(BMP)及块稀疏正交匹配追踪算法(BOMP)分别应用于块稀疏信号x的重构过程中,将每一种算法的重构概率进行对比。
本发明计算各算法的重构概率的过程为:
一、随机产生一个高斯分布测量矩阵,给定分块向量Group的分组数M以及块稀疏度K,随机选定K个子块,分别在这K个子块上赋值得到所需的仿真测试信号,即块稀疏信号x,所述的块稀疏信号x的幅度采用高斯分布或0-1的二值信号;
三、对每种重构算法运行500次,并计算重构概率。
在本实施方式的实验过程中,分别采用幅值为高斯分布的信号和0-1的二值信号进行实验。测量矩阵行数m=80,列数N=160,分组数M=20,当块稀疏信号x的块稀疏度K分别为1,2,…,12时,计算每种算法在不同K值下的重构概率,并绘制重构概率随块稀疏度的变化曲线。
实验结果如图3、图4所示,其中,图3为幅值为高斯分布的信号实验结果,图4为0-1的二值信号实验结果,图3及图4中带“”标记的曲线为采用本实施方式所述方法的重构概率曲线,带“”标记的曲线为采用BMP方法的重构概率曲线,带“”标记的曲线为采用BOMP方法的重构概率曲线,带“”标记的曲线为采用L-OPT方法的重构概率曲线。从图中可见,无论对于哪类块稀疏信号,本实施方式所述方法的重构概率比L-OPT方法都有大幅提高;对于幅值为高斯分布的信号,本实施方式所述方法的重构概率略低于BMP及BOMP方法,而对于0-1的二值信号,本实施方式方法的重构概率有明显提高,所以本实施方式尤其适用于实际中的脉冲、黑白图像类等二值信号。
Claims (4)
1.一种面向压缩感知的块稀疏信号重构方法,其特征是:所述方法的过程为:
设定块稀疏信号重构过程中各参数的初始状态值:
其中,块稀疏信号x是长度为N、块稀疏度为K的实数向量,即,
预先设定迭代误差err,分块向量Group的形式为:
其中,N=M×d,M为分块向量Group的分组数,d为分块向量Group的子块长度,
步骤二、根据第l-1次迭代后的残差r l-1,计算第l次迭代后的与残差r l-1最匹配的子空间i l :
即的转置与第l-1次迭代后的残差r l-1进行相乘运算后,得到一个长度为d的向量,将所述的向量中的多个元素取绝对值,再对所述的多个绝对值求其平均值,从而获得M个绝对平均值,从所获得的M个绝对平均值中选择最大的K个值的标号赋值给所述与残差r l-1最匹配的子空间i l ;
步骤七、判断步骤六中所述的第l次迭代后的残差r l 是否小于预先设定迭代误差err,判断结果为是,则执行步骤十,判断结果为否,则执行步骤八;
步骤八、判断步骤七中所述的迭代次数l的取值是否大于分组数M,判断结果为是,则执行步骤十,判断结果为否,则执行步骤九;
步骤九、将迭代次数l的值加1,返回步骤二;
完成块稀疏信号x的重构。
2.根据权利要求1所述的一种面向压缩感知的块稀疏信号重构方法,其特征在于:步骤一中预先设定迭代误差err设定为10-5。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010240600 CN101895297B (zh) | 2010-07-30 | 2010-07-30 | 一种面向压缩感知的块稀疏信号重构方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010240600 CN101895297B (zh) | 2010-07-30 | 2010-07-30 | 一种面向压缩感知的块稀疏信号重构方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101895297A true CN101895297A (zh) | 2010-11-24 |
CN101895297B CN101895297B (zh) | 2012-12-26 |
Family
ID=43104389
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201010240600 Expired - Fee Related CN101895297B (zh) | 2010-07-30 | 2010-07-30 | 一种面向压缩感知的块稀疏信号重构方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101895297B (zh) |
Cited By (40)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101984617A (zh) * | 2010-11-26 | 2011-03-09 | 浙江大学 | 基于压缩感知技术的处理滤波器组峰均比的方法 |
CN102148987A (zh) * | 2011-04-11 | 2011-08-10 | 西安电子科技大学 | 基于先验模型和l0范数的压缩感知图像重构方法 |
CN102164282A (zh) * | 2011-04-29 | 2011-08-24 | 中南民族大学 | 一种用于图像编码的基于系数随机置换的压缩感知方法及*** |
CN102176779A (zh) * | 2010-12-17 | 2011-09-07 | 河海大学 | 无线多媒体传感网视频信号自适应采样与频谱分配方法 |
CN102355268A (zh) * | 2011-08-31 | 2012-02-15 | 清华大学 | 基于稀疏化哈达玛矩阵的压缩感知观测矩阵构造方法 |
CN102608578A (zh) * | 2011-01-21 | 2012-07-25 | 中国科学院空间科学与应用研究中心 | 一种基于压缩感知的宽带调频步进噪声雷达信号处理方法 |
CN102611455A (zh) * | 2012-03-05 | 2012-07-25 | 哈尔滨工业大学 | 一种面向压缩感知的稀疏多带信号重构方法 |
CN102622331A (zh) * | 2012-02-10 | 2012-08-01 | 程涛 | 一种基于压缩感知的高斯矩阵优化方法 |
CN102722866A (zh) * | 2012-05-22 | 2012-10-10 | 西安电子科技大学 | 基于主成份分析的压缩感知方法 |
CN102737115A (zh) * | 2012-05-28 | 2012-10-17 | 哈尔滨工业大学 | 基于两个子膨胀图的压缩感知的测量矩阵的获取方法及利用该测量矩阵恢复原始信号的方法 |
CN102740080A (zh) * | 2012-06-06 | 2012-10-17 | 清华大学 | 一种基于压缩感知的错误隐藏方法 |
CN102801428A (zh) * | 2012-08-13 | 2012-11-28 | 程涛 | 一种0-1稀疏循环矩阵的近似优化和信号采集重构方法 |
CN102970044A (zh) * | 2012-11-23 | 2013-03-13 | 南开大学 | 一种基于回溯的迭代重加权压缩传感重构算法 |
CN102982564A (zh) * | 2011-03-08 | 2013-03-20 | 通用电气公司 | 利用对比对象的少量投影的层析成像处理方法 |
CN103176947A (zh) * | 2013-04-12 | 2013-06-26 | 哈尔滨工业大学 | 一种基于信号相关性的多通道信号去噪方法 |
CN103250352A (zh) * | 2011-01-10 | 2013-08-14 | 上海贝尔股份有限公司 | 用于测量和恢复稀疏信号的方法和装置 |
CN103346798A (zh) * | 2013-06-05 | 2013-10-09 | 中国科学院微电子研究所 | 一种以低于奈奎斯特频率的采样频率进行信号采集方法 |
WO2013178009A1 (zh) * | 2012-05-30 | 2013-12-05 | 华为技术有限公司 | 信号重构的方法和装置 |
CN103473797A (zh) * | 2013-09-16 | 2013-12-25 | 电子科技大学 | 基于压缩感知采样数据修正的空域可缩小图像重构方法 |
CN103532567A (zh) * | 2013-11-01 | 2014-01-22 | 哈尔滨工业大学 | 分布式压缩感知框架下基于快速计算内积的正交匹配追踪算法的信号重构方法 |
CN103684472A (zh) * | 2013-12-29 | 2014-03-26 | 哈尔滨工业大学 | 一种基于压缩感知的1-Bit稀疏度自适应信号重构方法 |
CN103888145A (zh) * | 2014-03-28 | 2014-06-25 | 电子科技大学 | 一种重构信号的方法 |
WO2014194485A1 (zh) * | 2013-06-05 | 2014-12-11 | 中国科学院微电子研究所 | 一种以低于奈奎斯特频率的采样频率进行信号采集方法 |
CN104361192A (zh) * | 2014-05-09 | 2015-02-18 | 哈尔滨工程大学 | 一种压缩感知分析模型下的稀疏表示自适应重构方法 |
CN104682964A (zh) * | 2015-03-15 | 2015-06-03 | 西安电子科技大学 | 一种半确定压缩感知测量矩阵的构造方法 |
CN105103451A (zh) * | 2014-02-25 | 2015-11-25 | 华为技术有限公司 | 信号重建方法和装置 |
CN105637824A (zh) * | 2013-11-01 | 2016-06-01 | 华为技术有限公司 | 从接收信号中恢复稀疏通信信号的方法 |
CN105812032A (zh) * | 2016-03-21 | 2016-07-27 | 东南大学 | 基于波束块结构压缩感知的信道估计方法 |
CN106130662A (zh) * | 2016-06-07 | 2016-11-16 | 烟台大学文经学院 | 一种无线电宽带信号侦测方法及装置 |
CN106301384A (zh) * | 2016-08-26 | 2017-01-04 | 辽宁工程技术大学 | 一种基于分块压缩感知的信号重构方法 |
CN106374935A (zh) * | 2016-08-29 | 2017-02-01 | 电子科技大学 | 一种采用自适应耦合参数的块稀疏信号重构方法 |
CN107403628A (zh) * | 2017-06-30 | 2017-11-28 | 天津大学 | 一种基于压缩感知的语音信号重构方法 |
CN107547088A (zh) * | 2017-07-17 | 2018-01-05 | 南京邮电大学 | 基于压缩感知的增强型自适应分段正交匹配追踪方法 |
CN108566206A (zh) * | 2018-05-07 | 2018-09-21 | 哈尔滨理工大学 | 基于改进的压缩采样匹配追踪的电能质量信号重构方法 |
CN108918928A (zh) * | 2018-09-11 | 2018-11-30 | 广东石油化工学院 | 一种负荷分解中功率信号自适应重构方法 |
CN109995376A (zh) * | 2019-04-28 | 2019-07-09 | 哈尔滨工业大学 | 基于联合块稀疏模型的信号重构方法 |
WO2019191891A1 (zh) * | 2018-04-02 | 2019-10-10 | 北京大学 | 用于视频处理的方法和设备 |
CN110865332A (zh) * | 2019-11-11 | 2020-03-06 | 山东大学 | 一种统一框架l2,p模型正交加速改进稀疏恢复方法 |
CN111130557A (zh) * | 2019-12-31 | 2020-05-08 | 秦皇岛职业技术学院 | 基于分布式拟牛顿投影追踪的数据重构方法 |
CN111130553A (zh) * | 2018-10-31 | 2020-05-08 | 罗伯特·博世有限公司 | 用于处理压缩数据的方法和设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10325147A1 (de) * | 2003-05-28 | 2004-12-16 | Friedrich-Schiller-Universität Jena | Verfahren zur Zeit-Frequenz-Analyse von Signalfolgen |
CN101640541A (zh) * | 2009-09-04 | 2010-02-03 | 西安电子科技大学 | 一种稀疏信号的重构方法 |
-
2010
- 2010-07-30 CN CN 201010240600 patent/CN101895297B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10325147A1 (de) * | 2003-05-28 | 2004-12-16 | Friedrich-Schiller-Universität Jena | Verfahren zur Zeit-Frequenz-Analyse von Signalfolgen |
CN101640541A (zh) * | 2009-09-04 | 2010-02-03 | 西安电子科技大学 | 一种稀疏信号的重构方法 |
Non-Patent Citations (2)
Title |
---|
《声学与电子工程》 20100430 贾艳云,赵航芳 压缩传感-稀疏信号的采样与重构 13-17 1-4 , 第4期 * |
《电子与信息学报》 20100930 甘伟,许录平,苏哲 一种压缩感知重构算法 2151-2155 1-4 第32卷, 第9期 * |
Cited By (75)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101984617B (zh) * | 2010-11-26 | 2013-05-01 | 浙江大学 | 基于压缩感知技术的处理滤波器组峰均比的方法 |
CN101984617A (zh) * | 2010-11-26 | 2011-03-09 | 浙江大学 | 基于压缩感知技术的处理滤波器组峰均比的方法 |
CN102176779A (zh) * | 2010-12-17 | 2011-09-07 | 河海大学 | 无线多媒体传感网视频信号自适应采样与频谱分配方法 |
CN102176779B (zh) * | 2010-12-17 | 2013-10-30 | 河海大学 | 无线多媒体传感网视频信号自适应采样与频谱分配方法 |
CN103250352B (zh) * | 2011-01-10 | 2016-01-27 | 上海贝尔股份有限公司 | 用于测量和恢复稀疏信号的方法和装置 |
CN103250352A (zh) * | 2011-01-10 | 2013-08-14 | 上海贝尔股份有限公司 | 用于测量和恢复稀疏信号的方法和装置 |
US9256578B2 (en) | 2011-01-10 | 2016-02-09 | Alcatel Lucent | Method and apparatus for measuring and recovering sparse signals |
CN102608578A (zh) * | 2011-01-21 | 2012-07-25 | 中国科学院空间科学与应用研究中心 | 一种基于压缩感知的宽带调频步进噪声雷达信号处理方法 |
CN102608578B (zh) * | 2011-01-21 | 2014-04-02 | 中国科学院空间科学与应用研究中心 | 一种基于压缩感知的宽带调频步进噪声雷达信号处理方法 |
CN102982564A (zh) * | 2011-03-08 | 2013-03-20 | 通用电气公司 | 利用对比对象的少量投影的层析成像处理方法 |
CN102148987B (zh) * | 2011-04-11 | 2012-12-12 | 西安电子科技大学 | 基于先验模型和l0范数的压缩感知图像重构方法 |
CN102148987A (zh) * | 2011-04-11 | 2011-08-10 | 西安电子科技大学 | 基于先验模型和l0范数的压缩感知图像重构方法 |
CN102164282B (zh) * | 2011-04-29 | 2013-12-11 | 中南民族大学 | 一种用于图像编码的基于系数随机置换的压缩感知方法及*** |
CN102164282A (zh) * | 2011-04-29 | 2011-08-24 | 中南民族大学 | 一种用于图像编码的基于系数随机置换的压缩感知方法及*** |
CN102355268B (zh) * | 2011-08-31 | 2014-02-19 | 清华大学 | 基于稀疏化哈达玛矩阵的压缩感知观测矩阵构造方法 |
CN102355268A (zh) * | 2011-08-31 | 2012-02-15 | 清华大学 | 基于稀疏化哈达玛矩阵的压缩感知观测矩阵构造方法 |
CN102622331B (zh) * | 2012-02-10 | 2015-08-05 | 程涛 | 一种基于压缩感知的高斯矩阵优化方法 |
CN102622331A (zh) * | 2012-02-10 | 2012-08-01 | 程涛 | 一种基于压缩感知的高斯矩阵优化方法 |
CN102611455B (zh) * | 2012-03-05 | 2014-11-26 | 哈尔滨工业大学 | 一种面向压缩感知的稀疏多带信号重构方法 |
CN102611455A (zh) * | 2012-03-05 | 2012-07-25 | 哈尔滨工业大学 | 一种面向压缩感知的稀疏多带信号重构方法 |
CN102722866A (zh) * | 2012-05-22 | 2012-10-10 | 西安电子科技大学 | 基于主成份分析的压缩感知方法 |
CN102737115A (zh) * | 2012-05-28 | 2012-10-17 | 哈尔滨工业大学 | 基于两个子膨胀图的压缩感知的测量矩阵的获取方法及利用该测量矩阵恢复原始信号的方法 |
CN102737115B (zh) * | 2012-05-28 | 2014-08-06 | 哈尔滨工业大学 | 基于两个子膨胀图的压缩感知的测量矩阵的获取方法及利用该测量矩阵恢复原始信号的方法 |
US9215034B2 (en) | 2012-05-30 | 2015-12-15 | Huawei Technologies Co., Ltd. | Signal reconstruction method and apparatus |
CN103456148B (zh) * | 2012-05-30 | 2018-03-02 | 华为技术有限公司 | 信号重构的方法和装置 |
WO2013178009A1 (zh) * | 2012-05-30 | 2013-12-05 | 华为技术有限公司 | 信号重构的方法和装置 |
CN103456148A (zh) * | 2012-05-30 | 2013-12-18 | 华为技术有限公司 | 信号重构的方法和装置 |
CN102740080B (zh) * | 2012-06-06 | 2015-06-24 | 清华大学 | 一种基于压缩感知的错误隐藏方法 |
CN102740080A (zh) * | 2012-06-06 | 2012-10-17 | 清华大学 | 一种基于压缩感知的错误隐藏方法 |
CN102801428A (zh) * | 2012-08-13 | 2012-11-28 | 程涛 | 一种0-1稀疏循环矩阵的近似优化和信号采集重构方法 |
CN102801428B (zh) * | 2012-08-13 | 2015-02-18 | 程涛 | 一种0-1稀疏循环矩阵的近似优化和信号采集重构方法 |
CN102970044B (zh) * | 2012-11-23 | 2017-10-27 | 南开大学 | 一种基于回溯的迭代重加权压缩传感重构方法 |
CN102970044A (zh) * | 2012-11-23 | 2013-03-13 | 南开大学 | 一种基于回溯的迭代重加权压缩传感重构算法 |
CN103176947B (zh) * | 2013-04-12 | 2015-09-16 | 哈尔滨工业大学 | 一种基于信号相关性的多通道信号去噪方法 |
CN103176947A (zh) * | 2013-04-12 | 2013-06-26 | 哈尔滨工业大学 | 一种基于信号相关性的多通道信号去噪方法 |
WO2014194485A1 (zh) * | 2013-06-05 | 2014-12-11 | 中国科学院微电子研究所 | 一种以低于奈奎斯特频率的采样频率进行信号采集方法 |
CN103346798A (zh) * | 2013-06-05 | 2013-10-09 | 中国科学院微电子研究所 | 一种以低于奈奎斯特频率的采样频率进行信号采集方法 |
CN103346798B (zh) * | 2013-06-05 | 2016-07-06 | 中国科学院微电子研究所 | 一种以低于奈奎斯特频率的采样频率进行信号采集方法 |
US9455741B2 (en) | 2013-06-05 | 2016-09-27 | Institute of Microelectronics, Chinese Academy of Sciences | Method for collecting signal with sampling frequency lower than Nyquist frequency |
CN103473797A (zh) * | 2013-09-16 | 2013-12-25 | 电子科技大学 | 基于压缩感知采样数据修正的空域可缩小图像重构方法 |
CN103473797B (zh) * | 2013-09-16 | 2016-04-20 | 电子科技大学 | 基于压缩感知采样数据修正的空域可缩小图像重构方法 |
CN105637824B (zh) * | 2013-11-01 | 2018-11-09 | 华为技术有限公司 | 从接收信号中恢复稀疏通信信号的方法 |
CN103532567B (zh) * | 2013-11-01 | 2016-12-07 | 哈尔滨工业大学 | 分布式压缩感知框架下基于快速计算内积的正交匹配追踪算法的信号重构方法 |
CN105637824A (zh) * | 2013-11-01 | 2016-06-01 | 华为技术有限公司 | 从接收信号中恢复稀疏通信信号的方法 |
CN103532567A (zh) * | 2013-11-01 | 2014-01-22 | 哈尔滨工业大学 | 分布式压缩感知框架下基于快速计算内积的正交匹配追踪算法的信号重构方法 |
CN103684472A (zh) * | 2013-12-29 | 2014-03-26 | 哈尔滨工业大学 | 一种基于压缩感知的1-Bit稀疏度自适应信号重构方法 |
CN103684472B (zh) * | 2013-12-29 | 2017-02-01 | 哈尔滨工业大学 | 一种基于压缩感知的1‑Bit稀疏度自适应信号重构方法 |
CN105103451A (zh) * | 2014-02-25 | 2015-11-25 | 华为技术有限公司 | 信号重建方法和装置 |
CN105103451B (zh) * | 2014-02-25 | 2018-01-12 | 华为技术有限公司 | 信号重建方法和装置 |
CN103888145B (zh) * | 2014-03-28 | 2017-03-15 | 电子科技大学 | 一种重构信号的方法 |
CN103888145A (zh) * | 2014-03-28 | 2014-06-25 | 电子科技大学 | 一种重构信号的方法 |
CN104361192A (zh) * | 2014-05-09 | 2015-02-18 | 哈尔滨工程大学 | 一种压缩感知分析模型下的稀疏表示自适应重构方法 |
CN104682964B (zh) * | 2015-03-15 | 2017-10-24 | 西安电子科技大学 | 一种半确定压缩感知测量矩阵的构造方法 |
CN104682964A (zh) * | 2015-03-15 | 2015-06-03 | 西安电子科技大学 | 一种半确定压缩感知测量矩阵的构造方法 |
CN105812032B (zh) * | 2016-03-21 | 2018-09-21 | 东南大学 | 基于波束块结构压缩感知的信道估计方法 |
CN105812032A (zh) * | 2016-03-21 | 2016-07-27 | 东南大学 | 基于波束块结构压缩感知的信道估计方法 |
CN106130662A (zh) * | 2016-06-07 | 2016-11-16 | 烟台大学文经学院 | 一种无线电宽带信号侦测方法及装置 |
CN106130662B (zh) * | 2016-06-07 | 2019-02-05 | 烟台大学文经学院 | 一种无线电宽带信号侦测方法 |
CN106301384A (zh) * | 2016-08-26 | 2017-01-04 | 辽宁工程技术大学 | 一种基于分块压缩感知的信号重构方法 |
CN106374935A (zh) * | 2016-08-29 | 2017-02-01 | 电子科技大学 | 一种采用自适应耦合参数的块稀疏信号重构方法 |
CN107403628A (zh) * | 2017-06-30 | 2017-11-28 | 天津大学 | 一种基于压缩感知的语音信号重构方法 |
CN107403628B (zh) * | 2017-06-30 | 2020-07-10 | 天津大学 | 一种基于压缩感知的语音信号重构方法 |
CN107547088A (zh) * | 2017-07-17 | 2018-01-05 | 南京邮电大学 | 基于压缩感知的增强型自适应分段正交匹配追踪方法 |
CN110352599A (zh) * | 2018-04-02 | 2019-10-18 | 北京大学 | 用于视频处理的方法和设备 |
WO2019191891A1 (zh) * | 2018-04-02 | 2019-10-10 | 北京大学 | 用于视频处理的方法和设备 |
CN108566206A (zh) * | 2018-05-07 | 2018-09-21 | 哈尔滨理工大学 | 基于改进的压缩采样匹配追踪的电能质量信号重构方法 |
CN108918928A (zh) * | 2018-09-11 | 2018-11-30 | 广东石油化工学院 | 一种负荷分解中功率信号自适应重构方法 |
CN108918928B (zh) * | 2018-09-11 | 2020-11-10 | 广东石油化工学院 | 一种负荷分解中功率信号自适应重构方法 |
CN111130553A (zh) * | 2018-10-31 | 2020-05-08 | 罗伯特·博世有限公司 | 用于处理压缩数据的方法和设备 |
CN111130553B (zh) * | 2018-10-31 | 2024-05-24 | 罗伯特·博世有限公司 | 用于处理压缩数据的方法和设备 |
CN109995376A (zh) * | 2019-04-28 | 2019-07-09 | 哈尔滨工业大学 | 基于联合块稀疏模型的信号重构方法 |
CN109995376B (zh) * | 2019-04-28 | 2023-02-03 | 哈尔滨工业大学 | 基于联合块稀疏模型的信号重构方法 |
CN110865332A (zh) * | 2019-11-11 | 2020-03-06 | 山东大学 | 一种统一框架l2,p模型正交加速改进稀疏恢复方法 |
CN111130557A (zh) * | 2019-12-31 | 2020-05-08 | 秦皇岛职业技术学院 | 基于分布式拟牛顿投影追踪的数据重构方法 |
CN111130557B (zh) * | 2019-12-31 | 2023-11-17 | 秦皇岛职业技术学院 | 基于分布式拟牛顿投影追踪的数据重构方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101895297B (zh) | 2012-12-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101895297A (zh) | 一种面向压缩感知的块稀疏信号重构方法 | |
CN101908889B (zh) | 一种块稀疏度未知的稀疏信号压缩感知重构方法 | |
CN101908890B (zh) | 分块大小未知的块稀疏信号的盲重构方法 | |
Tuckett et al. | Fault-tolerant thresholds for the surface code in excess of 5% under biased noise | |
CN105181122B (zh) | 机械振动信号数据压缩采集方法 | |
CN103941220B (zh) | 一种基于稀疏重构的网格外目标波达方向估计方法 | |
CN103295198A (zh) | 基于冗余字典和结构稀疏的非凸压缩感知图像重构方法 | |
CN102915562A (zh) | 基于压缩感知多视角目标跟踪和3d目标重建***及方法 | |
CN111562545A (zh) | 基于pd-alm算法的稀疏阵列doa估计方法 | |
CN110942151B (zh) | 一种量子态层析方法及装置 | |
CN104331899A (zh) | 一种sar图像配准方法及装置 | |
CN114358216B (zh) | 基于机器学习框架的量子聚类方法及相关装置 | |
CN102096055B (zh) | 一种用于磁共振成像非均匀采样数据的快速精确重建方法 | |
CN104300988A (zh) | 基于压缩感知的信号处理方法和设备 | |
CN104376585A (zh) | 基于图像块结构属性策略的非凸压缩感知图像重构方法 | |
CN105162472A (zh) | 一种基于贪婪迭代的块稀疏信号重构方法 | |
CN114819168A (zh) | 一种矩阵特征值的量子比较方法及装置 | |
CN105931184A (zh) | 基于联合优化的sar图像超分辨率方法 | |
CN115511004A (zh) | 一种五维地震资料低秩约束重建方法、***、介质及设备 | |
CN114693823B (zh) | 一种基于空频双域并行重建的磁共振图像重建方法 | |
CN116136970B (zh) | 稳定子校验线路构建方法、量子纠错解码方法及相关设备 | |
CN107612555A (zh) | 一种基于二分法的改进稀疏度自适应匹配追踪算法 | |
CN114118177A (zh) | 一种基于奇异谱分析的位平面降噪方法、***及存储介质 | |
CN112782758B (zh) | 稀疏采样观测***的状态确定方法和装置 | |
CN102255616A (zh) | 一种面向稀疏估计的同步子空间追踪方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20121226 Termination date: 20130730 |