CN106936440A - 一种压缩感知观测矩阵生成方法及装置 - Google Patents

一种压缩感知观测矩阵生成方法及装置 Download PDF

Info

Publication number
CN106936440A
CN106936440A CN201710088389.3A CN201710088389A CN106936440A CN 106936440 A CN106936440 A CN 106936440A CN 201710088389 A CN201710088389 A CN 201710088389A CN 106936440 A CN106936440 A CN 106936440A
Authority
CN
China
Prior art keywords
columns
matrix
column element
incremented
successively
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
Application number
CN201710088389.3A
Other languages
English (en)
Other versions
CN106936440B (zh
Inventor
张川
易凤
尤肖虎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
White Box Shanghai Microelectronics Technology Co ltd
Original Assignee
Southeast University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN201710088389.3A priority Critical patent/CN106936440B/zh
Publication of CN106936440A publication Critical patent/CN106936440A/zh
Application granted granted Critical
Publication of CN106936440B publication Critical patent/CN106936440B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M7/00—Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
    • H03M7/30—Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction
    • H03M7/3059—Digital compression and data reduction techniques where the original information is represented by a subset or similar information, e.g. lossy compression
    • H03M7/3062—Compressive sampling or sensing

Abstract

本发明公开了一种压缩感知观测矩阵生成方法及装置，本发明是通过对产生循环矩阵做列抽取与列符号翻转工作，从而实现对观测矩阵的生成。无论是循环矩阵的产生还是对循环矩阵的操作都很简单，硬件容易实现，存储空间小。

Description

一种压缩感知观测矩阵生成方法及装置
技术领域
本发明涉及压缩感知技术，尤其涉及一种压缩感知观测矩阵生成方法及装置。
背景技术
香农采样定理指出：为了不失真地恢复模拟信号，采样频率应该不小于模拟信号频谱中最高频率的2倍。压缩感知(Compressed sensing，CS)，也被称为压缩采样(Compressive sampling，CS)，是由E.J.Candes、J.Romberg、T.Tao和D.L.Donoho等科学家于2004年提出的。它作为一个新的采样理论，通过开发信号的稀疏特性，在远小于香农采样率的条件下，用随机采样获取信号的离散样本，然后通过非线性重建算法完美的重建信号。压缩感知理论一经提出，就引起学术界和工业界的广泛关注。
压缩感知主要过程可以通过具体几个数学表达式表现出来：
(OMP复原算法)
其中，x是原始信号，是正交矩阵，是稀疏向量，y是压缩采样后得到的观测值，φ是观测矩阵，压缩感知就是实现最后信号x的复原。
压缩采样理论的一个重要部分是观测矩阵φ的设计，旨在降低维数的同时保证原始信号x的信息损失最小。传统的测量矩阵一般选用高斯随机矩阵，但其存储空间大，不易硬件实现。
发明内容
发明目的：为了减小测量矩阵的存储空间，同时保证信号复原的成功率，本发明现提出了一种压缩感知观测矩阵生成方法及装置。
技术方案：本发明所述的压缩感知观测矩阵生成方法包括：
(2)通过线性移位寄存器阵列产生一个M×Next的高维循环矩阵；
(2)对于产生的高维循环矩阵，按照每次抽取列数为1、每次抽取间隔为从1依次递增到5的方式抽取列元素，当间隔的列数达到5时，再次按照每次抽取列数为1、每次抽取间隔为从1依次递增到5的方式抽取列元素，直至抽取出来的列元素组成一个M×N的矩阵，其中，
(3)对于M×N的矩阵，按照每次选择的列数为1、每次间隔的列数从1依次递增到9的方式，对被选中的列元素进行符号翻转，当间隔的列数到达9时，再次按照每次选择的列数为1、每次间隔的列数从1依次递增到9的方式，对被选中的列元素进行符号翻转，直至矩阵中满足规律的列都被处理，最终形成压缩感知观测矩阵。
本发明所述的压缩感知观测矩阵生成装置包括：
线性移位寄存器阵列，用于产生一个M×Next的高维循环矩阵；
矩阵抽取模块，用于对于产生的高维循环矩阵，按照每次抽取列数为1、每次抽取间隔为从1依次递增到5的方式抽取列元素，当间隔的列数达到5时，再次按照每次抽取列数为1、每次抽取间隔为从1依次递增到5的方式抽取列元素，直至抽取出来的列元素组成一个M×N的矩阵，其中，
符号翻转模块，用于对于M×N的矩阵，按照每次选择的列数为1、每次间隔的列数从1依次递增到9的方式，对被选中的列元素进行符号翻转，当间隔的列数到达9时，再次按照每次选择的列数为1、每次间隔的列数从1依次递增到9的方式，对被选中的列元素进行符号翻转，直至矩阵中满足规律的列都被处理，最终形成压缩感知观测矩阵。
有益效果：本发明与现有技术相比，其显著优点是：本发明通过对产生循环矩阵做列抽取与列符号翻转工作，实现生成测量矩阵，无论是循环矩阵的产生还是对循环矩阵的操作都很简单，硬件也容易实现，存储空间小。
附图说明
图1举例展示了循环矩阵的结构特征。
图2举例展示了对高维矩阵按照1～5的増序间隔进行重复列抽取过程示意图。
图3举例展示了对抽取后的矩阵按照1～9的増序间隔对列进行重复符号翻转的过程示意图。
图4展示了压缩感知观测矩阵生成硬件实现示意图。
具体实施方式
实施例1
本实施例提供了一种压缩感知观测矩阵生成方法，该方法包括以下步骤：
(1)通过线性移位寄存器阵列产生一个M×Next的高维循环矩阵φ。
其中，循环矩阵是一种特殊形式的Toeplitz矩阵，它的行向量的每个元素都是前一个行向量各元素依次右移一个位置得到的结果。其具体表现形式见图1。由于循环矩阵的特殊结构形式，所以循环矩阵可以通过一个线性移位寄存器阵列产生。显然，这样产生的矩阵元素之间的相关性很大，并不满足压缩感知中测量矩阵设计中低相关性的基本原则。因此，需要对循环矩阵做改造和修正的操作。
(2)对于产生的高维循环矩阵φ，按照每次抽取列数为1、每次抽取间隔为从1依次递增到5的方式抽取列元素，当间隔的列数达到5时，再次按照每次抽取列数为1、每次抽取间隔为从1依次递增到5的方式抽取列元素，直至抽取出来的列元素组成一个M×N的矩阵，其中，
其中，按照每次抽取1列、每次抽取的列数间隔为从1依次递增到5的方式抽取列元素，具体是：依次按照间隔1列、抽取1列、间隔2列、抽取1列、间隔3列、抽取1列、间隔4列、抽取1列、间隔5列、抽取1列的方式抽取列元素，具体如图2所示。矩阵操作的数学表达式可以表示为：φs＝φS，其中S为满足抽取规律构成的方阵。
(3)对于M×N的矩阵φs，按照每次选择的列数为1、每次间隔的列数从1依次递增到9的方式，对被选中的列元素进行符号翻转，当间隔的列数到达9时，再次按照每次选择的列数为1、每次间隔的列数从1依次递增到9的方式，从中选择列元素进行符号翻转，直至矩阵中满足规律的列都被处理，形成压缩感知观测矩阵φnew。
经过(2)中抽取操作后，虽然循环矩阵内部结构被打破，但为了更进一步增进矩阵元素之间的非相关性，继续对新的测量矩阵的某些列做符号翻转工作。与(2)中操作类似，按照列间隔满足1,2,3…9的自然増序，对相应的列进行符号翻转即乘以-1操作。当列间隔达到最大间隔9时，重新按照1～9这样的间隔规律对列抽取，如(3)中所述。其具体符号翻转过程见图3。翻转操作用数学表达式可以表示为：φnew＝φsF，其中F为满足选择规律构成的方阵。整个观测矩阵的产生综合来看，总过程数学表达式为：φnew＝φSF。
实施例2
本实施例提供了一种压缩感知观测矩阵生成装置，如图4所示，包括：
线性移位寄存器阵列，用于产生一个M×Next的高维循环矩阵；
矩阵抽取模块，用于对线性移位寄存器阵列产生的高维循环矩阵，按照每次抽取列数为1、每次抽取间隔为从1依次递增到5的方式抽取列元素，当间隔的列数达到5时，再次按照每次抽取列数为1、每次抽取间隔为从1依次递增到5的方式抽取列元素，直至抽取出来的列元素组成一个M×N的矩阵，其中，
符号翻转模块，用于对于M×N的矩阵，按照每次选择的列数为1、每次间隔的列数从1依次递增到9的方式，对被选中的列元素进行符号翻转，当间隔的列数到达9时，再次按照每次选择的列数为1、每次间隔的列数从1依次递增到9的方式，从中选择列元素进行符号翻转，直至矩阵中满足规律的列都被处理，形成压缩感知观测矩阵。
本实施例与实施例1一一对应，其他部分不再赘述。
以上所揭露的仅为本发明的较佳实施例而已，不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (2)

1.一种压缩感知观测矩阵生成方法，其特征在于该方法包括：
(1)通过线性移位寄存器阵列产生一个M×Next的高维循环矩阵；
(2)对于产生的高维循环矩阵，按照每次抽取列数为1、每次抽取间隔为从1依次递增到5的方式抽取列元素，当间隔的列数达到5时，再次按照每次抽取列数为1、每次抽取间隔为从1依次递增到5的方式抽取列元素，直至抽取出来的列元素组成一个M×N的矩阵，其中，
(3)对于M×N的矩阵，按照每次选择的列数为1、每次间隔的列数从1依次递增到9的方式，对被选中的列元素进行符号翻转，当间隔的列数到达9时，再次按照每次选择的列数为1、每次间隔的列数从1依次递增到9的方式，对被选中的列元素进行符号翻转，直至矩阵中满足规律的列都被处理，最终形成压缩感知观测矩阵。
2.一种压缩感知观测矩阵生成装置，其特征在于装置包括：
线性移位寄存器阵列，用于产生一个M×Next的高维循环矩阵；
矩阵抽取模块，用于对于产生的高维循环矩阵，按照按照每次抽取列数为1、每次抽取间隔为从1依次递增到5的方式抽取列元素，当间隔的列数达到5时，再次按照每次抽取列数为1、每次抽取间隔为从1依次递增到5的方式抽取列元素，直至抽取出来的列元素组成一个M×N的矩阵，其中，
符号翻转模块，用于对于M×N的矩阵，按照每次选择的列数为1、每次间隔的列数从1依次递增到9的方式，对被选中列元素进行符号翻转，当间隔的列数到达9时，再次按照每次选择的列数为1、每次间隔的列数从1依次递增到9的方式，对被选中列元素进行符号翻转，直至矩阵中满足规律的列都被处理，最终形成压缩感知观测矩阵。
CN201710088389.3A 2017-02-20 2017-02-20 一种压缩感知观测矩阵生成方法及装置 Active CN106936440B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710088389.3A CN106936440B (zh) 2017-02-20 2017-02-20 一种压缩感知观测矩阵生成方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710088389.3A CN106936440B (zh) 2017-02-20 2017-02-20 一种压缩感知观测矩阵生成方法及装置

Publications (2)

Publication Number Publication Date
CN106936440A true CN106936440A (zh) 2017-07-07
CN106936440B CN106936440B (zh) 2020-06-16

Family

ID=59422969

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710088389.3A Active CN106936440B (zh) 2017-02-20 2017-02-20 一种压缩感知观测矩阵生成方法及装置

Country Status (1)

Country Link
CN (1) CN106936440B (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001346208A (ja) * 2000-05-31 2001-12-14 Matsushita Electric Ind Co Ltd 画像信号復号化装置および方法
CN1983823A (zh) * 2005-12-15 2007-06-20 富士通株式会社 编码器、解码器、以及编码和解码的方法
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
CN102291151A (zh) * 2011-06-24 2011-12-21 清华大学 随机信号混频多通道采样系统中观测矩阵的获取方法
CN103532566A (zh) * 2013-10-15 2014-01-22 中国科学院微电子研究所 一种基于块对角阵观测矩阵构造的信号压缩传感方法
US20140121976A1 (en) * 2012-11-01 2014-05-01 Tobias Kischkat Apparatus and method for determination of formation bubble point in downhole tool
CN103780267A (zh) * 2014-01-15 2014-05-07 天津大学 一种基于ldpc矩阵的测量矩阵设计方法
CN103905355A (zh) * 2014-03-28 2014-07-02 哈尔滨工程大学 一种虚拟时间反转水声ofdm信道均衡方法
CN103905831A (zh) * 2014-04-18 2014-07-02 西安电子科技大学 基于图形处理器的条带波变换图像压缩方法
CN104485966A (zh) * 2014-12-01 2015-04-01 北京邮电大学 一种基于信号分解的压缩感知处理和信号重构方法
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
CN104700370A (zh) * 2015-03-15 2015-06-10 西安电子科技大学 基于半确定性传感矩阵的图像压缩感知方法
CN105842642A (zh) * 2016-03-17 2016-08-10 天津大学 基于峰度张量分数各向异性微结构特征提取方法与装置

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001346208A (ja) * 2000-05-31 2001-12-14 Matsushita Electric Ind Co Ltd 画像信号復号化装置および方法
CN1983823A (zh) * 2005-12-15 2007-06-20 富士通株式会社 编码器、解码器、以及编码和解码的方法
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
CN102291151A (zh) * 2011-06-24 2011-12-21 清华大学 随机信号混频多通道采样系统中观测矩阵的获取方法
US20140121976A1 (en) * 2012-11-01 2014-05-01 Tobias Kischkat Apparatus and method for determination of formation bubble point in downhole tool
CN103532566A (zh) * 2013-10-15 2014-01-22 中国科学院微电子研究所 一种基于块对角阵观测矩阵构造的信号压缩传感方法
CN103780267A (zh) * 2014-01-15 2014-05-07 天津大学 一种基于ldpc矩阵的测量矩阵设计方法
CN103905355A (zh) * 2014-03-28 2014-07-02 哈尔滨工程大学 一种虚拟时间反转水声ofdm信道均衡方法
CN103905831A (zh) * 2014-04-18 2014-07-02 西安电子科技大学 基于图形处理器的条带波变换图像压缩方法
CN104485966A (zh) * 2014-12-01 2015-04-01 北京邮电大学 一种基于信号分解的压缩感知处理和信号重构方法
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
CN104700370A (zh) * 2015-03-15 2015-06-10 西安电子科技大学 基于半确定性传感矩阵的图像压缩感知方法
CN105842642A (zh) * 2016-03-17 2016-08-10 天津大学 基于峰度张量分数各向异性微结构特征提取方法与装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
PRADEEP SEN,ET AL: "Compressive Image Super-resolution", 《2009 CONFERENCE RECORD OF THE FORTY-THIRD ASILOMAR CONFERENCE ON SIGNALS, SYSTEMS AND COMPUTERS》 *
方杰: "压缩感知观测矩阵和重构算法的研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 *

Also Published As

Publication number Publication date
CN106936440B (zh) 2020-06-16

Similar Documents

Publication Publication Date Title
CN103903261B (zh) 一种基于分块压缩感知的光谱图像处理方法
CN105513099B (zh) 一种骨骼动画数据的压缩方法及装置
CN102708576A (zh) 基于结构字典的分块图像压缩感知重建方法
CN103401562B (zh) 一种无损json数据压缩方法
CN104485966A (zh) 一种基于信号分解的压缩感知处理和信号重构方法
CN103136728A (zh) 基于字典学习和非局部总变差的图像超分辨方法
CN101609503B (zh) 基于双流形对齐的人脸超分图像处理方法
CN106936440A (zh) 一种压缩感知观测矩阵生成方法及装置
CN109558880B (zh) 一种基于视觉整体和局部特征融合的轮廓检测方法
CN104917532B (zh) 人脸模型压缩方法
CN102496143A (zh) 基于chelesky分解和近似奇异值分解的稀疏K-SVD噪声抑制方法
CN103152298A (zh) 一种基于分布式压缩感知系统的盲信号重构方法
CN104113346A (zh) 基于级联混沌序列构造测量矩阵的方法
CN104280705B (zh) 基于压缩感知的磁共振图像重建方法和装置
CN103902762B (zh) 一种针对正定对称矩阵进行最小二乘方程求解的电路结构
CN106685428A (zh) 基于混沌的结构化压缩感知循环观测矩阵的构造
CN103824264A (zh) 基于随机傅里叶特征的压缩感知方法
CN106650343B (zh) 一种dem置乱加密与还原方法
CN104682964B (zh) 一种半确定压缩感知测量矩阵的构造方法
JPWO2015105010A1 (ja) 送信装置、受信装置、および送受信システム
CN103646012A (zh) 分块ostm压缩测量矩阵构造方法
CN104113758A (zh) 一种基于矩阵初等变换的测量矩阵优化方法
CN102915520B (zh) 一种基于Kirkman女生问题解决方案的图像置乱方法
CN110009568A (zh) 满文图像超分辨率重建的生成器构建方法
Du et al. 3-D geometric signal compression method based on compressed sensing

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20210330

Address after: 201306 building C, No. 888, Huanhu West 2nd Road, Lingang New Area, Pudong New Area, Shanghai

Patentee after: Shanghai Hanxin Industrial Development Partnership (L.P.)

Address before: 210018 No. four archway, 2, Jiangsu, Nanjing

Patentee before: SOUTHEAST University

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230913

Address after: 201615 room 301-6, building 6, no.1158, Jiuting Central Road, Jiuting Town, Songjiang District, Shanghai

Patentee after: White box (Shanghai) Microelectronics Technology Co.,Ltd.

Address before: 201306 building C, No. 888, Huanhu West 2nd Road, Lingang New Area, Pudong New Area, Shanghai

Patentee before: Shanghai Hanxin Industrial Development Partnership (L.P.)