为降低随机观测矩阵在压缩感知应用中所需的存储空间,提升大尺寸图像重构的实时性,提出一种半张量积压缩感知方法。利用该方法构建低阶随机观测矩阵,对原始信号进行全局采样,随后将测量值进行分组处理并采用l
1
要研究一个新的重建算法-迭代软阈值算法,该算法根据所要解决的问题而确定一个阈值函数,并且可以将阈值算法和迭代算法有效的结合使用,明显的提高了重建信号的精度。本文主要对语音信号和带噪语音信号分别进行信号重建性能分析和研究。包括信号的稀疏性表示、观测矩阵的设计和选择、信号的重建过程及效果,通过实验仿真的波形图,进而对其和原语音信号不同之处进行了分析与对比。
观测矩阵的matlab实现
2021-06-14 09:06:12 3KB matlab 观测矩阵 压缩感知 图像处理
1
psnr和ssim两个数值
2021-06-14 09:06:12 4KB matlab 图像处理
1
信号采样是联系模拟信源和数字信息的桥梁.人们对信息的巨量需求造成了信号采样、传输和存储的巨大压力.如何缓解这种压力又能有效提取承载在信号中的有用信息是信号与信息处理中急需解决的问题之一.近年国际上出现的压缩感知理论(Compressed Sensing,CS)为缓解这些压力提供了解决方法.本文综述了CS理论框架及关键技术问题,并着重介绍了信号稀疏变换、观测矩阵设计和重构算法三个方面的最新进展,评述了其中的公开问题,对研究中现存的难点问题进行了探讨,最后介绍了CS理论的应用领域.
1