导读:本文包含了压缩采样论文开题报告文献综述及选题提纲参考文献，主要关键词:伪随机等效采样,压缩感知,观测矩阵,正交匹配追踪算法
压缩采样论文文献综述
李家强,董石明,陈金立,朱艳萍,陈焱博[1]（2019）在《基于压缩感知的伪随机等效采样信号重构》一文中研究指出伪随机等效采样利用采样周期数与采样点数间的互质关系使各采样点均匀复现于同一周期,从而达到较高的等效采样速率。然而为了精确重构出原始信号,需大量采样数据,因此导致采样时间过长,实时性能差。针对上述问题,提出了一种基于压缩感知理论的伪随机等效采样信号重构方法,通过构造伪随机等效采样观测矩阵并选择离散傅里叶变换基建立稀疏重构模型,然后利用压缩感知中的正交匹配追踪算法求解该模型,从而重构出原始信号。仿真实验表明,所提方法在采样点个数40时,重构成功率达99. 73%。(本文来源于《电讯技术》期刊2019年10期）
黄磊,李晓鹏,黄敏,李强,赵博[2]（2019）在《面向无人机数据回传的压缩采样技术:机会与挑战》一文中研究指出随着无人机(unmanned aerial vehicle,UAV)的广泛应用,其与地面接收站实时共享机载传感器数据成为工业界的迫切需求.然而,目前为无人机开放使用的频谱资源稀缺,通信信道带宽非常有限,这就促使人们研究如何在带宽受限条件下实现无人机数据的实时无损回传.作为突破经典奈奎斯特(Nyquist)采样理论的新技术,压缩采样将是解决这类问题的最佳方案.本文通过对比当前无人机通信技术核心参数,揭示现有通信技术标准无法满足无人机数据通信对信道带宽日益迫切的需求,评述无人机数据回传压缩技术,对压缩感知、1-bit压缩采样、相位恢复和矩阵补全技术原理进行回顾.采用压缩感知和矩阵补全技术对实测数据进行验证,结果表明,压缩感知和矩阵补全技术可在带宽不变的情况下,显着降低数据的传输时间.最后提出无人机数据压缩和恢复领域的4个研究发展方向.(本文来源于《深圳大学学报(理工版)》期刊2019年05期）
门哲,宁宏晓,李伟波,柳兴刚,郭明杰[3]（2019）在《基于压缩感知的随机采样与稀疏性约束采样重构效果对比》一文中研究指出压缩感知的叁个关键要素是目标数据的稀疏表达、随机采样和稀疏约束的优化重构算法,其中随机采样即对目标数据进行随机地抽样,采样点之间的间隔通常是不相等的。由于单纯的随机采样是完全随机的,存在某些位置采样点过于聚集或者过于分散的问题,导致过于分散位置的重构结果不理想。因此随机采样观测系统设计时要控制缺失采样点之间的最大间隔。本文提出了一种既适用于二维也适用于叁维的稀疏性约束的非规则采样方法,既具有随机性又能够控制缺口大小。针对一个实际二维数据,分别使用随机采样和本文提出的稀疏性约束采样,炮点保留75%,检波点保留50%,总道数为原始的37.5%,然后进行了数据重构,重构记录表明,稀疏性约束采样的结果优于随机采样的结果,稀疏性约束采样重构结果的迭加剖面的品质和原始数据的迭加剖面品质相当,并优于随机采样重构结果的剖面品质。(本文来源于《中国石油学会2019年物探技术研讨会论文集》期刊2019-09-09）
齐林,邢家柱,陈俊鑫,张良钰[4]（2019）在《基于压缩感知的心电信号稀疏采样与重构算法》一文中研究指出实时心电监测的数据量过大,给系统的传输和存储带来很大压力.为降低采集端的功耗,达到既减轻采样复杂度又降低传输数据量的目的,使用压缩感知技术对心电信号进行压缩采样及重构.以信号重构时间和重构误差为关键指标,研究不同重构算法和小波基的性能表现.结果表明,当压缩率在30%以内时,基追踪作为信号重构算法的百分比均方根差小于4%,同时其重构耗时最短;当压缩率在70%以内时,子空间追踪的误差小于10%,且始终保持较低的重构耗时.最优小波基往往和具体压缩率有关.(本文来源于《东北大学学报(自然科学版)》期刊2019年08期）
张建中,穆贺强,文树梁,李彦兵,高红卫[5]（2019）在《基于LFM分段脉冲压缩的抗间歇采样转发干扰方法》一文中研究指出得益于数字储频技术的快速发展,间歇采样转发干扰(ISRJ)得到广泛应用,现有抗干扰方法尚无法有效对抗此种干扰。在深入研究ISRJ的基础上,针对其时域采样不连续的特点,该文提出一种基于LFM分段脉冲压缩的抗间歇采样干扰方法。该方法利用LFM分段信号之间的正交性,结合掩护波形的思想,通过窄带滤波器组对干扰和目标进行分选,然后剔除干扰,最后在脉内和脉间进行积累。理论分析和仿真结果表明,分段脉冲压缩方法能有效对抗多干扰机情况下不同样式的间歇采样干扰组合。(本文来源于《电子与信息学报》期刊2019年07期）
徐海龙,杨拥民,胡海峰,官凤娇,陈仲生[6]（2019）在《基于压缩感知的叶端定时欠采样多频叶片振动盲重构研究》一文中研究指出旋转叶片是航空发动机的核心部件,长期工作在复杂的工况下承受交变应力,容易产生振动而导致疲劳失效,因此在线监测叶片振动对发动机运行安全具有十分重要的工程意义。针对传统的接触式应变法无法同时测量所有叶片振动且布线复杂存在安全隐患的问题,采用叶端定时(Blade tip-timing, BTT)非接触方法对叶片振动进行实时在线监测。但是BTT测量信号受叶顶传感器安装限制属于典型的欠采样信号,而叶片由于气动激励及微小裂纹的非线性导致其叶端出现多频振动响应,因此利用欠采样的BTT信号获取未知多频叶片振动是目前遇到的巨大挑战。提出采用压缩感知方法解决BTT欠采样多频叶片振动盲重构。首先分析叶片在气动激励下的多频响应;然后建立BTT测量的压缩感知模型,并采用多重信号分类(Multiple signal classification,MUSIC)算法进行求解;最后通过数值仿真,并结合旋转叶片BTT测振实验台验证了压缩感知理论解决BTT欠采样多频叶片振动盲重构难题,实现旋转叶片振动BTT非接触在线测量。(本文来源于《机械工程学报》期刊2019年13期）
梁胜浴,黄建军,黄敬雄,刘显[7]（2019）在《一种雷达信号的单样本压缩采样方法》一文中研究指出本文提出了一种雷达信号的单样本压缩采样方法。该方法在多相随机子采样FFT的模拟信息转换器(Analog-to-Information Converter,AIC)方案的基础上进行了改进,利用了雷达信号多个连续脉冲相关性较强的特点,提出了一种单样本压缩采样AIC,单个脉冲通过该AIC压缩得到单个样本值,对稀疏信号进行压缩采样。此方法降低了硬件电路复杂度,提高了压缩率,能够实现对雷达目标的位置和速度等参数的准确估计。仿真实验证明了单样本压缩采样方法的有效性。(本文来源于《信号处理》期刊2019年06期）
沈跃,李尚龙,刘慧,刘加林[8]（2019）在《基于Dog-Leg正则化自适应压缩采样的植株图像重构》一文中研究指出目标植株的图像压缩与重构在农作物生长状态检测、田间管理和果树病虫害识别等方面有重要作用。传统的图像压缩感知方法存在重构精度低、时间长等问题。针对这些情况,该文提出一种基于Dog-Leg最小二乘的正则化自适应压缩采样匹配追踪(regularized adaptive compressed sampling matching pursuit based on Dog-Leg,DLRa CSMP)算法。该算法以压缩采样匹配追踪(compressive sampling matching pursuit,Co Sa MP)算法为基础,在迭代过程中采用正则化处理,确保支撑集选取的准确性,并结合变步长自适应思想和Dog-Leg最小二乘算法,在实现稀疏度自适应的同时,提高重构速率;选用Kinect获取目标植株的彩色图像,分别采用HSV彩色空间的亮度和色调特征及Sobel算子的轮廓特征输入至Itti模型中融合构建显着性特征图,以简化复杂背景和突出目标植株。试验结果表明,该算法在采样率为0.50时植株原始图像和显着性特征图的重构时间分别为2.14和1.75 s,较Co Sa MP算法分别缩短6.57和6.31 s,重构效率比CoSaMP算法平均分别提高75.5%和77.9%;图像峰值信噪比分别高达35.16和38.93 dB,较Co Sa MP算法分别提高6.12和5.75 dB,且重构精度比Co Sa MP算法平均分别提高21.6%和15.5%,可以实现植株图像的快速精确重构。(本文来源于《农业工程学报》期刊2019年12期）
门超[9]（2019）在《基于压缩采样匹配追踪的滚动轴承故障诊断》一文中研究指出滚动轴承在恶劣工况下容易发生损伤,进而影响整个设备安全,基于块坐标松弛算法的形态成分分析方法虽然能够实现信号中各成分的分离,但其计算复杂度较高,不利于滚动轴承的故障特征提取。针对上述问题,本文提出一种基于压缩采样匹配追踪的形态成分分析方法用于诊断轴承故障,以提高诊断的准确性。该方法首先针对信号中的不同成分构造相应的字典,然后在字典上利用压缩采样匹配追踪算法替代形态成分分析方法中的块坐标松弛算法对各成分进行重构,实现噪声和干扰的分离,最终通过包络分析实现滚动轴承的故障诊断。仿真和实验证明了算法的有效性。(本文来源于《山东农业大学学报(自然科学版)》期刊2019年03期）
张乐[10]（2019）在《基于低相干投影矩阵和自适应采样率的图像压缩与重构》一文中研究指出压缩感知理论是一种新兴的图像压缩工具,其打破了奈奎斯特采样定理对采样频率的约束。该理论利用信号的稀疏性,将信号的采样和压缩同时进行,再通过不同的重构算法高精度地恢复出原始信号。在图像信号的压缩过程中,投影矩阵起着关键的作用,极大地影响了图像信号压缩重构的性能。采样速率的高低对于图像重构具有决定性作用,根据不同图像块的特性自适应地选择不同的采样率,能够有效提高图像压缩性能。因此,本文针对投影矩阵的优化和自适应采样率进行研究,主要创新工作如下:1.为了降低投影矩阵和稀疏基矩阵间的相干性以及提高投影矩阵的鲁棒性,提出了一种基于紧框架和稀疏表示误差的投影矩阵优化算法。该算法首先将Gram矩阵同时逼近单位矩阵和紧框架以降低感知矩阵的平均互相干性;然后将稀疏表示误差作为正则项加入传统优化模型中,来提高投影矩阵的鲁棒性;最后求出投影矩阵的解析解,保证优化算法的收敛性。实验结果表明,所构造投影矩阵的平均互相干系数至少可降低0.03,且所构造投影矩阵具有更强的鲁棒性。2.针对分块压缩感知固定采样率存在的采样资源分配不均和采样资源浪费的问题,同时为了改善自适应采样率存在的采样机制单一和观测资源分配不灵活的不足,提出一种基于自然指数衰减的自适应采样率算法。该算法首先将图像等大小分块以减小设备的运算和存储压力;然后以两次重构图像块的后验SSIM指数为标准分配不同的采样率,保证新的自适应机制考虑图像的全局信息;最后引入自然指数衰减函数设计变步长投影矩阵搜索模式,保证算法的收敛速度。实验结果表明,相比固定采样率算法,所提自适应采样率算法具有更好的重构性能。(本文来源于《重庆邮电大学》期刊2019-06-02）
压缩采样论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着无人机(unmanned aerial vehicle,UAV)的广泛应用,其与地面接收站实时共享机载传感器数据成为工业界的迫切需求.然而,目前为无人机开放使用的频谱资源稀缺,通信信道带宽非常有限,这就促使人们研究如何在带宽受限条件下实现无人机数据的实时无损回传.作为突破经典奈奎斯特(Nyquist)采样理论的新技术,压缩采样将是解决这类问题的最佳方案.本文通过对比当前无人机通信技术核心参数,揭示现有通信技术标准无法满足无人机数据通信对信道带宽日益迫切的需求,评述无人机数据回传压缩技术,对压缩感知、1-bit压缩采样、相位恢复和矩阵补全技术原理进行回顾.采用压缩感知和矩阵补全技术对实测数据进行验证,结果表明,压缩感知和矩阵补全技术可在带宽不变的情况下,显着降低数据的传输时间.最后提出无人机数据压缩和恢复领域的4个研究发展方向.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
压缩采样论文参考文献
[1].李家强,董石明,陈金立,朱艳萍,陈焱博.基于压缩感知的伪随机等效采样信号重构[J].电讯技术.2019
[2].黄磊,李晓鹏,黄敏,李强,赵博.面向无人机数据回传的压缩采样技术:机会与挑战[J].深圳大学学报(理工版).2019
[3].门哲,宁宏晓,李伟波,柳兴刚,郭明杰.基于压缩感知的随机采样与稀疏性约束采样重构效果对比[C].中国石油学会2019年物探技术研讨会论文集.2019
[4].齐林,邢家柱,陈俊鑫,张良钰.基于压缩感知的心电信号稀疏采样与重构算法[J].东北大学学报(自然科学版).2019
[5].张建中,穆贺强,文树梁,李彦兵,高红卫.基于LFM分段脉冲压缩的抗间歇采样转发干扰方法[J].电子与信息学报.2019
[6].徐海龙,杨拥民,胡海峰,官凤娇,陈仲生.基于压缩感知的叶端定时欠采样多频叶片振动盲重构研究[J].机械工程学报.2019
[7].梁胜浴,黄建军,黄敬雄,刘显.一种雷达信号的单样本压缩采样方法[J].信号处理.2019
[8].沈跃,李尚龙,刘慧,刘加林.基于Dog-Leg正则化自适应压缩采样的植株图像重构[J].农业工程学报.2019
[9].门超.基于压缩采样匹配追踪的滚动轴承故障诊断[J].山东农业大学学报(自然科学版).2019
[10].张乐.基于低相干投影矩阵和自适应采样率的图像压缩与重构[D].重庆邮电大学.2019