摘要： 壓縮感知可以在低于Nyqiust采樣率條件下實現(xiàn)稀疏信號的精確恢復(fù).重構(gòu)算法是壓縮感知的主要研究內(nèi)容之一.本文基于子空間基追蹤算法的回溯思想與共軛梯度法,提出了共軛梯度子空間基追蹤算法.通過仿真實驗驗證了算法的有效性,并討論了該算法利用幾種常見測量矩陣對稀疏信號的重構(gòu)效果.結(jié)果顯示,當(dāng)測量矩陣為部分Fourier矩陣時,該算法具有最優(yōu)的重構(gòu)效果.

摘要： 礦井無人工作區(qū)監(jiān)控圖像信息量較大,在圖像的傳輸、存儲階段對硬件性能要求較高,造成傳感器節(jié)點(diǎn)耗能增大、壽命驟減等問題,目前Gause、Bernoulli等壓縮感知測量矩陣在重建礦井監(jiān)控圖像信號時精度較低。針對上述問題,設(shè)計了一種新的基于帕斯卡矩陣的塊狀壓縮感知測量(BPCSM)矩陣。BPCSM矩陣?yán)脮r域非均勻采樣與分塊思想,將多個相同的小尺寸帕斯卡矩陣以對角線方式排列,同時結(jié)合聯(lián)合正交匹配追蹤算法實現(xiàn)礦井監(jiān)控圖像信號的壓縮采樣與重建,利用帕斯卡矩陣行元素有序排列的特點(diǎn)加強(qiáng)對圖像信號低頻段的采樣,提高重建精度。實驗結(jié)果表明:BPCSM矩陣對礦井監(jiān)控圖像信號的重建精度遠(yuǎn)高于Gause、Bernoulli等常用測量矩陣,當(dāng)采樣率為0.3時,基于BPCSM矩陣重建的礦工圖像的峰值信噪比(PSNR)約為26 dB,礦工面部輪廓較為清晰;當(dāng)采樣率為0.5時,基于BPCSM矩陣重建的礦工圖像的PSNR已達(dá)30 dB,幾乎可以恢復(fù)礦工圖像的全部細(xì)節(jié),表明BPCSM矩陣具有較好的重建性能;通過選擇合適的帕斯卡矩陣尺寸能夠進(jìn)一步提高圖像信號的重建性能,滿足礦井環(huán)境應(yīng)用要求。

摘要： 針對電力信息系統(tǒng)的單體架構(gòu)處理信息量較小,無法全面監(jiān)測電網(wǎng)鏈路信息的問題,提出基于微服務(wù)架構(gòu)的電力信息系統(tǒng)的全鏈路監(jiān)控技術(shù).利用壓縮感知算法建立測量與感知矩陣,完成信號重構(gòu);采集全鏈路信息,使用連續(xù)小波變換方法對監(jiān)控信號降噪處理.構(gòu)建微服務(wù)架構(gòu),通過縱向與橫向兩個維度實現(xiàn)全鏈路監(jiān)控.實驗結(jié)果表明,該方法監(jiān)控到結(jié)果和人工注入的異常數(shù)據(jù)包數(shù)量完全一致,能夠?qū)崟r、準(zhǔn)確地監(jiān)控電力信息系統(tǒng)線路中的電流及電壓數(shù)據(jù).

摘要： 壓縮感知中的測量矩陣不僅關(guān)系到恢復(fù)算法的選擇,而且影響著信號的重構(gòu)精度.相關(guān)性是衡量測量矩陣性能的一個重要指標(biāo),目前降低相關(guān)性的主要方法是基于框架理論,這種方法一旦涉及到求矩陣的逆等問題,在計算復(fù)雜度等方面就會表現(xiàn)出嚴(yán)重不足.因此,在分塊矩陣的思想上構(gòu)造了新的測量矩陣,并且通過數(shù)值實驗說明了當(dāng)測量矩陣的行數(shù)和列數(shù)相差不大時,所構(gòu)造的測量矩陣完全可以代替框架.基于相關(guān)性函數(shù)對OMP恢復(fù)算法進(jìn)行了證明,并且最后的實驗也驗證了研究結(jié)果的合理性.

摘要： 在壓縮感知中,可以通過減小等效字典(測量矩陣和稀疏字典的乘積)的互相干性值來提升稀疏重構(gòu)算法的穩(wěn)定性。已有的優(yōu)化設(shè)計方法在減小等效字典互相干性值的同時沒有考慮如何提高信號重構(gòu)的計算效率,為了克服該問題,在稀疏字典固定的情形下,本文提出了一個關(guān)于測量矩陣的有約束光滑優(yōu)化問題,其中第1個約束要求等效字典的Gram矩陣具有盡可能小的互相干性值;第2個則利用L1范數(shù)來促進(jìn)測量矩陣的稀疏性。然后,利用收斂的交替投影算法進(jìn)行求解。數(shù)值實驗表明:針對圖像恢復(fù)問題,相對于采用已有優(yōu)化設(shè)計方法得到的等效字典,本文提出的方法顯著提高了測量矩陣中的零元素占比,同時使得壓縮感知系統(tǒng)具有更高的信號重構(gòu)精度。

摘要： 針對常見混沌映射隨機(jī)性不高、序列元素相關(guān)性較強(qiáng)、構(gòu)造測量矩陣元素需間隔采樣來滿足數(shù)據(jù)統(tǒng)計的獨(dú)立性等問題,通過級聯(lián)量子Logistic混沌系統(tǒng)和廣義Fibonacci數(shù)列構(gòu)造一種新的復(fù)合混沌系統(tǒng).在信息熵、空間特性和相關(guān)系數(shù)等方面對不同混沌測量矩陣進(jìn)行定量分析,驗證了提出的混沌系統(tǒng)具有遍歷性和很強(qiáng)的混沌特性要求,序列元素具有較低相關(guān)性,滿足數(shù)據(jù)統(tǒng)計的獨(dú)立性要求.證明了提出的混沌系統(tǒng)構(gòu)造的壓縮感知測量矩陣滿足RIP條件.實驗分別對一維稀疏信號和二維圖像進(jìn)行仿真和討論,結(jié)果表明,相較于其他測量矩陣采樣率在1/2時,基于所提系統(tǒng)的壓縮感知矩陣構(gòu)造算法的一維稀疏信號重構(gòu)成功率提高了4％,二維圖像重構(gòu)的信噪比提高了0.2 dB.測量矩陣的構(gòu)造無需對采樣間隔進(jìn)行提前估計,提高了數(shù)據(jù)利用率,解決了其他混沌測量矩陣間隔采樣造成的極大數(shù)據(jù)資源浪費(fèi)的問題.

摘要： 為了降低水下無線傳感網(wǎng)(UWSN)中數(shù)據(jù)收集的能耗和保證實時性,提出一種基于壓縮感知的移動數(shù)據(jù)收集方案。以分布式能量均衡非均勻分簇(DEBUC)協(xié)議和壓縮感知理論為基礎(chǔ),簇內(nèi)節(jié)點(diǎn)依據(jù)設(shè)計的稀疏測量矩陣決定是否參與壓縮采樣,并將獲得的測量值傳輸至簇頭。然后,通過自主式水下潛器(AUV)的移動來收集各個簇頭上的數(shù)據(jù)到數(shù)據(jù)中心,該問題被建模為基于信息質(zhì)量最大化的旅行商問題(TSP),并提出近似算法進(jìn)行求解。仿真實驗結(jié)果表明,相比于已有的水下移動數(shù)據(jù)收集算法,本文方案在保證數(shù)據(jù)收集可靠性的同時,縮短了數(shù)據(jù)收集延時,延長了網(wǎng)絡(luò)壽命。

摘要： 二維波達(dá)方向(direction of arrival,DOA)估計在雷達(dá)探測、電子對抗、醫(yī)學(xué)成像等領(lǐng)域有著廣泛的應(yīng)用.針對現(xiàn)有算法估計精度不足、計算量巨大的問題,在基于壓縮感知理論的背景下提出一種二維均勻L型陣列信號的DOA估計算法.該算法首先對陣列信號的俯仰角和方位角構(gòu)建空間合成角,并對空間合成角構(gòu)建過完備冗余字典;再利用正交化高斯隨機(jī)矩陣構(gòu)造觀測矩陣;最后通過改進(jìn)RM-FOCUSS算法和求解三角函數(shù)的方法還原出方位角和俯仰角.理論研究表明,該方法在高信噪比、多快拍條件下比傳統(tǒng)算法具有更高的估計精度和分辨力,且通過壓縮采樣降低了運(yùn)算量.仿真實驗驗證了上述結(jié)論.

摘要： 采集可壓縮信號時,單像素相機(jī)的測量矩陣和稀疏變換基共同構(gòu)成重構(gòu)矩陣.針對0-1循環(huán)測量矩陣,盡管利于編程和硬件實現(xiàn),但相應(yīng)重構(gòu)矩陣重構(gòu)能力很差的問題,對比分析了基于0-1隨機(jī)矩陣和0-1循環(huán)矩陣的重構(gòu)矩陣,及其優(yōu)化前后的重構(gòu)效果,并給出相應(yīng)的理論分析和比較評估.該理論分析和比較評估為單像素相機(jī)測量矩陣的選型和設(shè)計提供了方向指導(dǎo),利于設(shè)計制造出性能更優(yōu)的單像素相機(jī).實驗表明,對于可壓縮信號,單像素相機(jī)不能使用0-1循環(huán)矩陣作為測量矩陣,但可使用0-1隨機(jī)矩陣作為測量矩陣,并能對相應(yīng)重構(gòu)矩陣作有效優(yōu)化.

摘要： 針對壓縮感知理論中確定性測量矩陣的構(gòu)造問題,基于二進(jìn)制偽隨機(jī)序列,提出具有采樣和重構(gòu)性能的確定性測量矩陣.利用有限域、編碼理論和偽隨機(jī)序列等理論,引入奇數(shù)和偶數(shù)情況的低相關(guān)性二進(jìn)制偽隨機(jī)序列,在此基礎(chǔ)上,提出了適用于壓縮感知算法的確定性測量矩陣.理論分析和軟件仿真實驗表明,在同樣的信號輸入條件下,與高斯隨機(jī)矩陣和伯努利隨機(jī)矩陣相比,基于偽隨機(jī)序列的測量矩陣具有更加優(yōu)秀的信號重構(gòu)性能和更低的實現(xiàn)難度.

摘要： 壓縮感知測量矩陣的性能,直接關(guān)系到無線網(wǎng)絡(luò)中重構(gòu)所需的數(shù)據(jù)包個數(shù)的多少,并且傳統(tǒng)的隨機(jī)測量矩陣不易于硬件實現(xiàn),在資源有限的衛(wèi)星環(huán)境中應(yīng)用受限,針對上述問題,本文從壓縮感知理論推廣與應(yīng)用的現(xiàn)實出發(fā),構(gòu)造了一種基于m序列族的高效數(shù)據(jù)測量矩陣MSFDMM.理論分析和仿真實驗表明,所提矩陣MSFDMM的重建性能優(yōu)于相同大小的高斯隨機(jī)矩陣和伯努利隨機(jī)矩陣.所提矩陣MSFDMM可由線性反饋移位寄存器結(jié)構(gòu)實現(xiàn),易于硬件實現(xiàn),有利于壓縮感知理論的實用化.

摘要： 為了解決無線傳感器網(wǎng)絡(luò)中數(shù)據(jù)采集過程中的冗余和傳輸能耗問題,深入分析信號的線性測量過程,提出一種用于壓縮感知的測量矩陣設(shè)計方法.該方法結(jié)合對角矩陣和正交基線性表示原理,采用線性結(jié)構(gòu)化的方法構(gòu)造,過程簡單、速度快、稀疏度高、沒有冗余,適合硬件資源有限的傳感器節(jié)點(diǎn)的實現(xiàn).仿真結(jié)果表明,基于對角矩陣線性表示的測量方法與常見的高斯隨機(jī)矩陣和部分哈達(dá)瑪矩陣兩種測量方法相比,該方法在相同信號重構(gòu)精度前提下信號恢復(fù)成功率更高,傳感節(jié)點(diǎn)可以通過壓縮觀測得到更少的測量數(shù)據(jù),從而大大減少網(wǎng)絡(luò)通信量,節(jié)約網(wǎng)絡(luò)能耗,延長網(wǎng)絡(luò)生存周期.

摘要： 本文主要介紹了壓縮感知的基本原理,以及偽隨機(jī)序列在壓縮感知測量矩陣構(gòu)造中的應(yīng)用.分析了使用偽隨機(jī)序列所構(gòu)造的兩個測量矩陣與小波基的相關(guān)性,并且利用構(gòu)造的矩陣使用Matlab對一維信號進(jìn)行仿真實驗,得到重構(gòu)誤差隨測量數(shù)的變化情況;對二維灰度和二值圖像進(jìn)行了重構(gòu)實驗,得到重構(gòu)圖像與原始圖像的峰值信噪比隨測量數(shù)的變化情況.最后,利用74LS194以及其他外圍元件設(shè)計出偽隨機(jī)信號發(fā)生器的硬件實現(xiàn)框圖,觀察仿真結(jié)果,驗證了系統(tǒng)的正確性.

摘要： 針對壓縮感知中測量矩陣的優(yōu)化問題,提出一種基于混沌因子和動量項的梯度下降混合方法.在測量矩陣優(yōu)化過程中,梯度下降法具有收斂速度慢以及容易陷入局部最小的缺點(diǎn),該文基于混沌運(yùn)動的隨機(jī)性和遍歷性,在步長變化中引入混沌因子,實現(xiàn)步長的自適應(yīng)變化,避免因初始步長選擇不當(dāng)導(dǎo)致算法的不穩(wěn)定;同時利用動量修正項,避免算法陷入局部最小值,進(jìn)一步提高算法的收斂速度.促進(jìn)該方法達(dá)到提高測量矩陣性能,降低測量矩陣與稀疏矩陣的互相關(guān)性的目的.仿真結(jié)果表明,該方法測量矩陣的優(yōu)化速度快,互相關(guān)系數(shù)的分布更加集中在零周圍,并且所得的重構(gòu)圖像的峰值信噪比(PSNR)提高.因此,文中方法優(yōu)化所得的測量矩陣具有良好的性能.

摘要： 傳統(tǒng)的采樣方法要求采樣頻率不小于奈奎斯特頻率的2倍,然而采集到的數(shù)據(jù)存在很大程度的冗余.壓縮感知方法則利用少量的非適應(yīng)線性測量就能夠?qū)崿F(xiàn)對原始信號壓縮采樣,進(jìn)而也能精確的恢復(fù)出原始信號,因此壓縮感知中測量矩陣的研究具有重要的理論意義.提出了一種基于梯度迭代實現(xiàn)對測量矩陣的優(yōu)化方法.實驗表明利用梯度迭代方法優(yōu)化的測量矩陣恢復(fù)得到圖像的PSNR,高于Valid提出方法恢復(fù)圖像的PSNR,以及未優(yōu)化的測量矩陣恢復(fù)圖像的PSNR.另外梯度迭代方法改善了G矩陣中非對角元素的分布情況,更集中分布在0附近,達(dá)到了測量矩陣與稀疏矩陣的互相關(guān)系數(shù)減小的目的.

摘要： 穿墻雷達(dá)成像(Through-the-wall Radar Imaging,TWRI)可以應(yīng)用在自然災(zāi)害、反恐和生命特征提取等特殊場景,這些場景的主要特點(diǎn)是數(shù)據(jù)運(yùn)算量大.本文將壓縮感知(Compressive Sensing,CS)應(yīng)用在穿墻雷達(dá)成像中.通過時域有限差分方法得到場景中的回波信號,用背景相減法提取出目標(biāo)回波,將所有采樣值投影到測量矩陣上得到部分觀測值,減小了數(shù)據(jù)在時間和空間的采集量.由于場景具有稀疏性,通過正交匹配算法重構(gòu)出原始信號對其成像,成像效果與傳統(tǒng)成像方式具有幾乎相同的分辨率和質(zhì)量.

摘要： 天線的暗室測試是一個復(fù)雜的過程,包含了暗室環(huán)境、吸波材料、靜區(qū)大小、天線口徑、測量儀器、機(jī)械控制、高性能儀器、計算機(jī)軟件以及數(shù)據(jù)處理等各個方面的內(nèi)容.上述每一項都會給測試結(jié)果帶來誤差,測試方法及測試誤差的累積可能導(dǎo)致完全錯誤的結(jié)果.本文首先通過對微波暗室測試過程中復(fù)雜電磁環(huán)境的分析,建立匹配濾波體制下的接收回波信號稀疏表示模型;其次,結(jié)合現(xiàn)有的稀疏信號重建算法,研究復(fù)數(shù)域中稀疏重建算法和非相關(guān)測量矩陣性能評價標(biāo)準(zhǔn),選擇適合天線近遠(yuǎn)場測試的重建算法與測量矩陣.最終在微波暗室中模擬實現(xiàn)基于稀疏隨機(jī)采樣技術(shù)的天線近遠(yuǎn)場快速測試算法.

摘要： 針對寬帶逆合成孔徑雷達(dá)(ISAR)采樣得到的數(shù)據(jù)量大所導(dǎo)致的存儲壓力大和回波信號缺失的問題,本文提出了基于壓縮感知的二維成像算法.該方法通過分析回波信號的形式構(gòu)造相應(yīng)的字典,然后在單次回波數(shù)據(jù)中產(chǎn)生易于工程實現(xiàn)的測量矩陣來減少采集數(shù)據(jù)量,并隨機(jī)抽取部分孔徑位置進(jìn)行測量,以少量的測量數(shù)據(jù)重建目標(biāo)的二維信息.最后通過仿真數(shù)據(jù)和實測數(shù)據(jù)的處理結(jié)果驗證了該方法的有效性.

摘要： 為解決紅外圖像系統(tǒng)復(fù)雜度與成像分辨率之間的矛盾，采用壓縮傳感(compressive sensing,CS)理論對紅外成像系統(tǒng)進(jìn)行研究。通過對原始紅外圖像進(jìn)行稀疏化，構(gòu)造基于高斯隨機(jī)噪聲的測量矩陣，實現(xiàn)對目標(biāo)的壓縮感知。以較少數(shù)目的測量信號表示目標(biāo)，獲取目標(biāo)的稀疏表達(dá)，基于對目標(biāo)的稀疏表達(dá)，構(gòu)造基于正交匹配追蹤的重構(gòu)算法對目標(biāo)信號進(jìn)行重構(gòu)，實現(xiàn)以較少的測量信號構(gòu)造較高分辨率的圖像。在幾種典型紅外目標(biāo)圖像上的分析表明，壓縮傳感理論可實現(xiàn)對目標(biāo)的超分辨率成像，以較低分辨率的傳感器獲得較高分辨率的目標(biāo)信息，重構(gòu)出的目標(biāo)紅外圖像與相應(yīng)高分辨率傳感器所獲得的圖像之間誤差較低。

摘要： 在運(yùn)載器目標(biāo)飛行過程中,測距測量元素是獲取高精度彈道結(jié)果的重要測量信息,具有觀測誤差源少、測量精度高等特點(diǎn).針對相同觀測弧段多顆衛(wèi)星GPS偽距測元,建立了基于總體最小二乘算法的融合定位方法,將觀測方程線性化,構(gòu)造系數(shù)矩陣與觀測向量的增廣矩陣,依托奇異值分解理論確定彈道融合定位結(jié)果.與最小二乘算法相比,該算法除了考慮測量信息誤差,還同時考慮了系數(shù)矩陣可能帶來的誤差,且計算過程中無需迭代和給出準(zhǔn)確的彈道初值.同時,本文給出了算法有效性的有效度評價模型.仿真結(jié)果表明,除在目標(biāo)機(jī)動時刻外,本文算法定位結(jié)果與傳統(tǒng)最小二乘算法定位結(jié)果位置互差在10米以內(nèi),位置隨機(jī)誤差由1～2米提高到0.5米左右,一、二階有效度均大于0.9,使用該算法解算的彈道定位結(jié)果可靠,精度符合處理要求.

摘要： 提供一種光學(xué)元件旋轉(zhuǎn)類型的穆勒矩陣橢圓偏振儀，其用于解決由于在根據(jù)現(xiàn)有技術(shù)的能夠測量任何樣品的穆勒矩陣的一些或所有元素的雙光學(xué)元件旋轉(zhuǎn)類型的穆勒矩陣橢圓偏振儀中光源的剩余偏振、光檢測器的偏振依賴性、高次項的傅立葉系數(shù)的測量值而引起的測量準(zhǔn)確性和測量精度的問題。

摘要： 本發(fā)明提供一種基于Hadamard矩陣多通道方法的自適應(yīng)光學(xué)系統(tǒng)傳遞矩陣測量裝置及方法，該裝置包括自適應(yīng)光學(xué)系統(tǒng)、通道劃分器、波前記錄器和數(shù)據(jù)處理單元；其中，通道劃分器對自適應(yīng)光學(xué)系統(tǒng)的波前校正器的驅(qū)動器進(jìn)行通道劃分，數(shù)據(jù)處理單元根據(jù)Hadamard矩陣對劃分出的通道施加電壓，使平面波通過自適應(yīng)光學(xué)系統(tǒng)后產(chǎn)生波前變化，由波前記錄器計算并存儲波前斜率，最后，數(shù)據(jù)處理單元對波前斜率矩陣進(jìn)行矩陣運(yùn)算，求取傳遞矩陣。本發(fā)明基于Hadamard矩陣多通道方法的自適應(yīng)光學(xué)系統(tǒng)傳遞矩陣測量裝置測量精度高、速度快，為大型自適應(yīng)光學(xué)系統(tǒng)傳遞矩陣測量提供了一種有效的新方法。

摘要： 本發(fā)明公開一種透射譜矩陣和吸光度譜矩陣的測量系統(tǒng)，包括沿光路依次安置紅外光源、準(zhǔn)直透鏡、干涉系統(tǒng)、起偏系統(tǒng)、樣品倉、檢偏系統(tǒng)、透鏡、探測器和計算機(jī)處理系統(tǒng)；干涉系統(tǒng)包括分束器、固定鏡和移動鏡；其中分束器為立方體構(gòu)件，沿其周向的四個面中與準(zhǔn)直透鏡相向的面為面A，自面A沿順時針方向，依次為面B、面C和面D；在面B處安置固定鏡；在面C的處安置移動鏡；在面D處安置起偏系統(tǒng)，包括沿光路依次安置偏振器和消光比1/4波片；檢偏系統(tǒng)包括沿光路依次安置消光比1/4波片和偏振器；計算機(jī)處理系統(tǒng)用于采集偏振信息并計算得到透射譜矩陣和吸光度譜矩陣。本發(fā)明還公開了一種透射譜矩陣和吸光度譜矩陣的測量系統(tǒng)的測量方法。

摘要： 提供一種光學(xué)元件旋轉(zhuǎn)類型的穆勒矩陣橢圓偏振儀，其用于解決由于在根據(jù)現(xiàn)有技術(shù)的能夠測量任何樣品的穆勒矩陣的一些或所有元素的雙光學(xué)元件旋轉(zhuǎn)類型的穆勒矩陣橢圓偏振儀中光源的剩余偏振、光檢測器的偏振依賴性、高次項的傅立葉系數(shù)的測量值而引起的測量準(zhǔn)確性和測量精度的問題。

摘要： 基于兩個子膨脹圖的壓縮感知的測量矩陣的獲取方法及利用該測量矩陣恢復(fù)原始信號的方法，屬于圖像處理領(lǐng)域，本發(fā)明為解決現(xiàn)有還原圖像技術(shù)時利用壓縮感知的測量矩陣存在的問題。本發(fā)明的測量矩陣包括以下步驟：步驟一：建立兩個膨脹圖，G

摘要： 本發(fā)明公開了一種基于LDPC矩陣的測量矩陣設(shè)計方法，該方法包括以下步驟：步驟一、首先確定矩陣第一行開始處連續(xù)“1”的個數(shù)L，矩陣隨后行“1”所在的位置根據(jù)上一行“1”的位置依次向右平移L個位置，以此保證循環(huán)子矩陣中每兩個行或者列之間“1”的位置都不相同，構(gòu)造出循環(huán)子矩陣；步驟二、從所述循環(huán)子矩陣中隨機(jī)選擇所需的行或列，構(gòu)造基于LDPC矩陣的測量矩陣。步驟三、通過有限次數(shù)的搜索整個矩陣尋找四邊環(huán)，并將四邊環(huán)消去，構(gòu)造基于LDPC矩陣的測量矩陣；該測量矩陣繼承了LDPC矩陣稀疏性好、列相關(guān)值小等優(yōu)點(diǎn)，同時克服了LDPC矩陣作為壓縮感知測量矩陣時對于不同維數(shù)的測量矩陣需要預(yù)先確定最優(yōu)d值（每一列平均“1”的數(shù)量）的不足。該矩陣具有稀疏性高、結(jié)構(gòu)簡單、正交性強(qiáng)和易于硬件實現(xiàn)的特點(diǎn)，并且重構(gòu)效果良好。

摘要： 基于兩個子膨脹圖的壓縮感知的測量矩陣的獲取方法及利用該測量矩陣恢復(fù)原始信號的方法，屬于圖像處理領(lǐng)域，本發(fā)明為解決現(xiàn)有還原圖像技術(shù)時利用壓縮感知的測量矩陣存在的問題。本發(fā)明的測量矩陣包括以下步驟：步驟一：建立兩個膨脹圖，G

摘要： 本發(fā)明公開了一種基于LDPC矩陣的壓縮感知測量矩陣構(gòu)造方法，分為三個步驟，先構(gòu)造子矩陣，再從子矩陣或單位矩陣中選取所需要的行或列添加到子矩陣中，最后進(jìn)行四邊環(huán)的消除來完成測量矩陣的構(gòu)造。本發(fā)明引入的測量矩陣繼承了其二值性與較好地稀疏性和正交性等優(yōu)勢，而且省去了根據(jù)信號大小和采樣率的變化計算每列中“1”的數(shù)量的復(fù)雜過程；對不同大小的信號和采樣率有固定的構(gòu)造方式且構(gòu)造方法簡單，構(gòu)造的測量矩陣易于硬件實現(xiàn)，而且提高了矩陣的稀疏性和正交性，適用于自然圖像以及紅外圖像的壓縮感知處理，具有構(gòu)造方法簡單、重構(gòu)效果好、易于硬件實現(xiàn)的特點(diǎn)。

摘要： 本發(fā)明提出了一種基于矩陣初等變換的測量矩陣優(yōu)化方法，該方法使得優(yōu)化后的測量矩陣對信號的重構(gòu)性能優(yōu)于原始矩陣。本發(fā)明所述的方法是：首先對信號做稀疏變換得到稀疏向量

摘要： 本發(fā)明公開了一種基于LDPC矩陣的測量矩陣設(shè)計方法，該方法包括以下步驟：步驟一、首先確定矩陣第一行開始處連續(xù)“1”的個數(shù)L，矩陣隨后行“1”所在的位置根據(jù)上一行“1”的位置依次向右平移L個位置，以此保證循環(huán)子矩陣中每兩個行或者列之間“1”的位置都不相同，構(gòu)造出循環(huán)子矩陣；步驟二、從所述循環(huán)子矩陣中隨機(jī)選擇所需的行或列，構(gòu)造基于LDPC矩陣的測量矩陣。步驟三、通過有限次數(shù)的搜索整個矩陣尋找四邊環(huán)，并將四邊環(huán)消去，構(gòu)造基于LDPC矩陣的測量矩陣；該測量矩陣繼承了LDPC矩陣稀疏性好、列相關(guān)值小等優(yōu)點(diǎn)，同時克服了LDPC矩陣作為壓縮感知測量矩陣時對于不同維數(shù)的測量矩陣需要預(yù)先確定最優(yōu)d值（每一列平均“1”的數(shù)量）的不足。該矩陣具有稀疏性高、結(jié)構(gòu)簡單、正交性強(qiáng)和易于硬件實現(xiàn)的特點(diǎn)，并且重構(gòu)效果良好。