CN110752848B - 一种基于硅基微腔混沌的压缩感知装置 - Google Patents
一种基于硅基微腔混沌的压缩感知装置 Download PDFInfo
- Publication number
- CN110752848B CN110752848B CN201911031850.7A CN201911031850A CN110752848B CN 110752848 B CN110752848 B CN 110752848B CN 201911031850 A CN201911031850 A CN 201911031850A CN 110752848 B CN110752848 B CN 110752848B
- Authority
- CN
- China
- Prior art keywords
- signal
- chaotic
- optical fiber
- image
- processor
- 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.)
- Active
Links
Images
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
- H03M7/3082—Vector coding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供一种基于硅基微腔混沌的压缩感知装置,所述压缩感知装置包括,可调谐激光器、光纤放大器、光纤偏振控制器、光学隔离器、快速光电检测器、电子频谱分析仪、数字示波器和处理器;可调谐激光器和光纤放大器分别用于驱动硅基微腔;光纤偏振控制器用于选择OM‑PhC芯片的横向电偏振;光学隔离器用于防止不必要的反射光;电子频谱分析仪和数字示波器用于监视混沌信号的时频特性;处理器用于依据混沌信号获取感测矩阵。本发明在系统中添加了高斯白噪声的情况下也能有很好的恢复表现。
Description
技术领域
本发明属于信号处理领域,具体涉及一种基于硅基微腔混沌的压缩感知装置。
背景技术
人类当前处于电子信息时代,信息传递的方式千变万化,应用领域无所不在,每天产生的信息量是非常巨大的。所以高效的压缩手段是缓解目前存储压力的有效途径。所以压缩感知问题的研究就显得尤其重要。如何实现更加快速的信号采集并能够有效的恢复原信号,也就成为当前社会关注的焦点。基于混沌矩阵的压缩感知方法对于高效率、高质量、高速度的信号处理具有重要意义。
压缩感知是压缩和采样稀疏信号的有效技术。它克服了奈奎斯特香农采样定理的局限性。压缩感知已在各个领域找到了广泛的应用,例如医学成像,地震学,信道编码,图像加密和视频压缩。实现压缩感知的主要方法有两种,即贪婪和凸优化算法。通常,凸优化算法比贪婪算法具有更高的精度。但是,它的速度比贪婪算法要慢。
现有技术在系统中添加了高斯白噪声的情况下不能有很好的恢复表现。
发明内容
本发明的发明目的是提供一种在系统中添加了高斯白噪声的情况下也能有很好的恢复表现的压缩感知装置。
本发明提供一种基于硅基微腔混沌的压缩感知装置,所述压缩感知装置包括,可调谐激光器、光纤放大器、光纤偏振控制器、光学隔离器、快速光电检测器、电子频谱分析仪、数字示波器和处理器;
可调谐激光器和光纤放大器分别用于驱动硅基微腔;
光纤偏振控制器用于选择OM-PhC芯片的横向电偏振;
光学隔离器用于防止不必要的反射光;
电子频谱分析仪和数字示波器用于监视混沌信号的时频特性;
处理器用于依据混沌信号获取感测矩阵。
OM-PhC表示基于硅的光机械光子晶体。
进一步的,
所述处理器通过8位ADC量化混沌信号得到电压时间序列,并以200Mbit/s的速率对混沌信号采样,以相邻的采样点位于同一列的方式得到感知矩阵Φ。
进一步的,
所处处理器采用以下公式构建M×N感知矩阵Φ,
其中,σ是所使用的混沌信号的标准偏差。
进一步的,
所述处理器使用PSNR评估恢复的图像的质量,其中PSNR=10*lg2552lg2552/MSE,MSE为图像的平方误差,MSE定义其中a和b分别代表图像的宽度和高度,P(i,j)是原始图像的灰度值,D(i,j)是重建图像的灰度值。
psnr是“Peak Signal to Noise Ratio”的缩写,即峰值信噪比,是一种评价图像的客观标准,
本发明的有益效果是:
1.硅材料芯片体积小更便于集成,能进一步提高压缩感知装置的集成化程度,小型化,提高压缩感知方法的高效性
2.本发明有效的减小了系统装置的体积,使得压缩感知系统的硬件设施更加灵活,更加方便。在信息采集端可以极大地减小存储压力。从外部硬件设施上进一步减小了整个装置的冗余度。
3.本发明与目前主流大规模集成电路(COMS)工艺具有极高的兼容性,因此可以有效降低制造成本,提高生产效率。
4.本发明能够处理一维信号和二维信号,能满足大部分信号处理的需求。
5.本发明在系统中添加了高斯白噪声的情况下也能有很好的恢复表现。
附图说明
图1为本发明所提出的系统图。
图2为传感矩阵的方程示意图。
图3为10和20的两个稀疏信号的恢复重建结果示意图。
图4为对添加了高斯白噪声的一维信号用压缩感知方法进行恢复重建示意图。
图5为对二维图像的压缩与恢复示意图。
具体实施方式
本发明通过从逻辑图上探索混沌序列,提出了一个感知矩阵,并证明了其良好的RIP性能。与其他技术相比,混沌系统可以确定性的方式生成“随机”矩阵,并且易于在物理硬件中实现。但是大多数提议的方案主要集中在理论研究上并且应用的混沌多是产生在电路上,近年来随着基于硅材料的芯片上的研究变得愈发火热研究者们也在这方面取得了许多突破。
2008年以来,纳米光子学技术和腔体光力学的最新突破已经证明了介观共振器中复杂的信号振荡。在2016年,在环形回音壁模式的微腔中,实验观察到了随机共振和混沌。在具有纳米光子微腔的硬件中通过实验实现了混沌压缩感知矩阵。2017年报道了使用基于硅的光机械光子晶体(OM-PhC)微腔的介观光学混乱。它提供了一种新方法来开发具有兼容性的光学高速和CMOS集成的混沌生成系统装置。本发明探索OM-PhC微腔的混沌输出以构造压缩感知矩阵并成功实现压缩感知过程。将混沌感测矩阵用于一维(一维)信号和二维(二维)图像的压缩感知处理。混沌感测矩阵与高斯,托普利兹和伯努利矩阵之间进行比较,混沌传感矩阵的表现完全不逊与这几大经典矩阵。实验证明整个系统装置是切实可行的。
图1为本发明所提出的系统图。首先硅光子微腔产生的光混沌输出经过光电探测器,由光信号转化为电信号,再经过8位ADC采样,将模拟信号转化为数字信号。同时,将采集到的数字信号传输到电脑内去构建一个压缩感知所需的传感矩阵。
图3是对一维信号的恢复结果的呈现,并将混沌传感矩阵的恢复结果与其他进行比较,后面的两个图是对长(N)为100,测量数(M)为50,稀疏度(K)分别是10和20的两个稀疏信号的恢复重建结果。
图4本发明对添加了高斯白噪声的一维信号用压缩感知方法进行恢复重建。证明了其在有噪声干扰的情况下也能够正常运作。高斯白噪声下的恢复性能。使用的测量矩阵是高斯矩阵,拓普利兹矩阵,伯努利矩阵和混沌矩阵。信噪比SNR值从-5dB到30dB。
图5为使用混沌压缩感知重建二维图像。左列表示原始图像,中间列表示小波变换后的图像,而右列表示重构图像
本发明的光学混沌源的设置包含一个整体式OM-PhC微腔。可调谐激光器和掺fiber光纤放大器(EDFA)用于驱动微腔。引入了光纤偏振控制器(FPC)以选择OM-PhC芯片的横向电偏振。使用光学隔离器(OI)来防止不必要的反射光。芯片的混沌输出被收集到光纤中,并由快速光电检测器进行检测。当前设置由分立的光子组件组成。关键的Si OM-PhC微腔使用光刻工艺制造的,以此证明硅芯片与CMOS工艺的兼容性。使用电子频谱分析仪(Agilent N9000A)和数字示波器(Tektronix TDS 7404)监视混沌信号的时频特性。最后,使用计算机分析数据并计算压缩感知方法的流程,整个系统装置搭建完成。得到混沌信号之后用8位ADC量化的电压时间序列U(t),并以200Mbit/s的速率采样。以相邻的采样点位于同一列中并依次到达下一列的方式感测矩阵Φ(M×N),以形成矩阵Φ。
为了验证单片硅中的光学混沌是否可用于压缩感知中,本发明引入了一维基追踪(BP)问题来重建一维信号。首先,本发明在时域中生成一个稀疏信号作为原始信号x,其稀疏度为K(K<<N)。这意味着原始信号具有K个随机分布的非零峰值,并且位置和峰值大小是随机分布的。经由感测矩阵Φ的稀疏信号x改变测量矢量y。本发明应用压缩感知方法重建具有固定长度N(N=100)的一维时域稀疏信号。测量向量M为50,稀疏度为1到40。对于每个稀疏度,本发明执行了1000次恢复操作以获得最终恢复曲线。将混沌传感矩阵与高斯,托普利兹和伯努利矩阵进行了比较。混沌感测矩阵的子采样频率为d=50,测量矢量的长度(M)设置为50。在附图3a中,混沌感测矩阵的恢复曲线用黄色表示正方形实线,而绿色空心圆实线,红色五角星形实线和蓝色菱形实线分别对应于高斯,托普利兹和伯努利矩阵。稀疏水平在1<K<10范围内时,恢复率高达100%。对于15<K<25的范围,回收率严重下降。对于30<K的范围,恢复率变为零。混沌感测矩阵与其他感测矩阵的恢复曲线几乎重合,证明了光学混沌感测矩阵具有良好的RIP特性。作为证明,本发明又补充了图3(b-c)和下面的其他图片显示它可以用于解决压缩传感问题,并且具有与其他经典压缩感知矩阵相似的属性。从图3(b)和(c)中,本发明可以观察到稀疏水平对压缩感知恢复的影响。对于K=10,几乎具有完美的恢复性能;然而,对于K=20,恢复效果不能令人满意。
为了验证混沌压缩感知方法的实际性能本发明有在信号中添加了高斯白噪声。信噪比(SNR)值设置为从–5到30dB。图5示出了在具有混沌矩阵的不同SNR值下的压缩感知重建性能的结果,而图3示出了三种典型的矩阵。当SNR为–5时,相对误差值大于1.5。在–5<SNR<15的范围内,相对误差大于0.5。当SNR大于25dB时,误差降低到0。四个不同的矩阵具有几乎相同的误差曲线演变,表明在有噪声干扰的情况下混沌矩阵的重建性能几乎与高斯拓普利兹和伯努利矩阵的重建性能一样强。
描绘了二维图像的压缩感知结果。测试了四个经典的二维图像(摄影师,情侣,辣椒和山丘)。左列代表具有128×128像素(称为x)的原始测试图像。中间一列表示小波域中的图像。最终的重建图像显示在右栏中。可以使用峰值SNR(PSNR)评估恢复的图像的质量,其中PSNR=10*lg2552/MSE对应于图像的平方误差。MSE定义为在此等式中,a和b分别代表图像的宽度和高度,P(i,j)是原始图像的灰度值,而D(i,j)是重建图像的灰度值。经过计算,摄影师,情侣,辣椒和山丘的PSNR值分别可以达到29.43、28.24、31.19和28.41dB,表明重建准确。来自集成的SiOM-PhC微腔的介观混沌被用于构建高概率满足RIP的传感矩阵。使用此混沌压缩感知测试了一维波形和二维图像。通过与高斯,Toeplitz和Bernoulli随机矩阵进行比较,获得了类似的压缩感知效果。即使信号包含强烈噪声,混沌传感矩阵也表现出良好的鲁棒性。这些结果可能为在具有完全CMOS兼容性的物理Si芯片上以光学高速,低响应等待时间直接实现压缩感知硬件处理提供一种新方法。
Claims (1)
1.一种基于硅基微腔混沌的压缩感知装置,其特征在于,所述压缩感知装置包括,可调谐激光器、光纤放大器、光纤偏振控制器、光学隔离器、快速光电检测器、电子频谱分析仪、数字示波器和处理器;
可调谐激光器和光纤放大器分别用于驱动硅基微腔;
光纤偏振控制器用于选择OM-PhC芯片的横向电偏振,所述OM-PhC为光机械光子晶体;
光学隔离器用于防止不必要的反射光;
电子频谱分析仪和数字示波器用于监视混沌信号的时频特性;
处理器用于依据混沌信号获取感测矩阵;
所述处理器通过8位ADC量化混沌信号得到电压时间序列,并以200Mbit/s的速率对混沌信号采样,以相邻的采样点位于同一列的方式得到感知矩阵Φ;
所述处理器使用PSNR评估恢复的图像的质量,其中PSNR=10*lg2552/MSE,MSE为图像的平方误差,MSE定义为其中a和b分别代表图像的宽度和高度,P(i,j)是原始图像的灰度值,D(i,j)是重建图像的灰度值;
在时域中生成一个稀疏信号作为原始信号x,其稀疏度为K,K<<N,原始信号具有K个随机分布的非零峰值,经由感测矩阵Φ的稀疏信号x改变测量矢量y,应用压缩感知方法重建具有固定长度N,N=100,的一维时域稀疏信号,测量向量M为50,稀疏度为1到40,对于每个稀疏度,执行1000次恢复操作以获得最终恢复曲线,将混沌传感矩阵与高斯,托普利兹和伯努利矩阵进行了比较,混沌感测矩阵的子采样频率为d=50,测量矢量的长度(M)设置为50;
K=10,SNR大于25dB。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911031850.7A CN110752848B (zh) | 2019-10-28 | 2019-10-28 | 一种基于硅基微腔混沌的压缩感知装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911031850.7A CN110752848B (zh) | 2019-10-28 | 2019-10-28 | 一种基于硅基微腔混沌的压缩感知装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110752848A CN110752848A (zh) | 2020-02-04 |
CN110752848B true CN110752848B (zh) | 2021-06-15 |
Family
ID=69280505
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911031850.7A Active CN110752848B (zh) | 2019-10-28 | 2019-10-28 | 一种基于硅基微腔混沌的压缩感知装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110752848B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106654855A (zh) * | 2016-11-09 | 2017-05-10 | 西南大学 | 一种基于硅光子微腔的光混沌产生装置 |
CN108596989A (zh) * | 2018-04-28 | 2018-09-28 | 四川大学 | 一种基于迂回柱面衍射与压缩感知的光学图像加密方法 |
CN108833919A (zh) * | 2018-06-29 | 2018-11-16 | 东北大学 | 基于随机循环矩阵的彩色单像素成像方法及系统 |
CN110346346A (zh) * | 2019-07-02 | 2019-10-18 | 上海理工大学 | 一种基于压缩感知关联算法的拉曼气体检测方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9123114B2 (en) * | 2007-12-06 | 2015-09-01 | The United States Of America As Represented By The Secretary Of The Army | System and processor implemented method for improved image quality and enhancement based on quantum properties |
CN102891999B (zh) * | 2012-09-26 | 2014-11-26 | 南昌大学 | 一种基于压缩感知的联合图像压缩/加密方法 |
CN108111710B (zh) * | 2017-12-15 | 2020-02-07 | 四川大学 | 一种可以减少密文及密钥数据量的多图像加密方法 |
-
2019
- 2019-10-28 CN CN201911031850.7A patent/CN110752848B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106654855A (zh) * | 2016-11-09 | 2017-05-10 | 西南大学 | 一种基于硅光子微腔的光混沌产生装置 |
CN108596989A (zh) * | 2018-04-28 | 2018-09-28 | 四川大学 | 一种基于迂回柱面衍射与压缩感知的光学图像加密方法 |
CN108833919A (zh) * | 2018-06-29 | 2018-11-16 | 东北大学 | 基于随机循环矩阵的彩色单像素成像方法及系统 |
CN110346346A (zh) * | 2019-07-02 | 2019-10-18 | 上海理工大学 | 一种基于压缩感知关联算法的拉曼气体检测方法 |
Non-Patent Citations (3)
Title |
---|
"Compressed sensing of sparse RF signals based on silicon photonic microcavities";Hongcheng Sun等;《2017 Conference on Lasers and Electro-Optics (CLEO)》;20171026;第1-2页 * |
"Compressive Sensing With Chaotic Sequence";Lei Yu等;《IEEE Signal Processing Letters》;20100607;第17卷(第8期);第732页 * |
"压缩感知测量矩阵的研究";李明;《中国优秀硕士学位论文全文数据库 社会科学Ⅰ辑》;20190515(第05期);第G112-27页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110752848A (zh) | 2020-02-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Davenport | Random observations on random observations: Sparse signal acquisition and processing | |
Chowdhury et al. | Image compression using discrete wavelet transform | |
EP0753218B1 (en) | Fixed quality source coder | |
US6931067B2 (en) | Apparatus and method for image coding using tree-structured quantization based on wavelet transform | |
JP5550005B2 (ja) | ランダムアクセス機能による画像圧縮方法 | |
Yadav et al. | Study and analysis of wavelet based image compression techniques | |
Dusselaar et al. | Hyperspectral image compression approaches: opportunities, challenges, and future directions: discussion | |
EP3038261A1 (fr) | Procédé de prétraitement de compression de données adapté à des données de mesures de signaux électro-corticographiques (ecog) et système d'acquisition et de transmission de données ecog | |
US8358559B2 (en) | System and method for imaging | |
CN110752848B (zh) | 一种基于硅基微腔混沌的压缩感知装置 | |
EP1166565B1 (en) | Image encoding using reordering wavelet coefficients | |
Rojatkar et al. | Image compression techniques: lossy and lossless | |
TWI458272B (zh) | 正交多重描述寫碼 | |
Hilles et al. | Image compression and encryption technique | |
Hussin et al. | A comparative study on improvement of image compression method using hybrid DCT-DWT techniques with huffman encoding for wireless sensor network application | |
Alarcon-Aquino et al. | Lossy image compression using discrete wavelet transform and thresholding techniques | |
CN113890801B (zh) | 采用频域编码混频的压缩感知信号获取系统及方法 | |
Kekre et al. | Image compression based on hybrid wavelet transform generated using orthogonal component transforms of different sizes | |
Naidu et al. | A novel framework for JPEG image compression using baseline coding with parallel process | |
CN109246437B (zh) | 一种基于里德所罗门码的图像压缩感知方法 | |
Leihong et al. | Study on image transmission mechanism of ghost imaging based on joint source and channel coding | |
Ye et al. | Spectral aperture code design for multi-shot compressive spectral imaging | |
Li et al. | Research on lossless compression coding algorithm of N-band parametric spectral integer reversible transformation combined with the lifting scheme for hyperspectral images | |
Kranthi et al. | Enhanced image compression algorithm for image processing applications | |
Jayanthi et al. | Multi Wavelet Based Image Compression for Tele-Medical Applications |
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 |