压缩感知浅析

图书标准信息

• 作者 李峰、郭毅 著
• 出版社 科学出版社
• 出版时间 2015-10
• 版次 01
• ISBN 9787030457486
• 定价 68.00元
• 装帧 平装
• 开本 32开
• 纸张 胶版纸
• 页数 168页
• 字数 200千字
• 正文语种 简体中文

【内容简介】

数据压缩技术无处不在，信号之所以能够被压缩是因为信号本身具有很大的冗余性。"压缩感知"顾名思义，就是在感知／采样的过程中，自动剔除数据的冗余性，直接获取压缩版本的数据，不仅节省数据采集过程的成本，还能节省空间，极大地提高了采样效率。压缩感知理论指出稀疏的或具有稀疏表达的有限维数的信号可以利用远少于奈奎斯特采样数量的线性、非自适应的测量值无失真地重建出来。本书系统性地介绍了压缩感知的来世今生，深入浅出地介绍了压缩感知的理论基础和构成压缩感知框架所需的基本要素，例如，稀疏性、采样矩阵的约束等距特性和基于L1范数最小化的稀疏信号重建，同时有代表性地介绍了压缩感知在诸多领域中带来的革新和机遇。

【目录】

前言
第1章绪论
参考文献

第2章稀疏信号和可压缩信号模型
2.1矢量空间简介
2.2基和框架
2.3稀疏性表达
2.3.1一维信号模型
2.3.2二维信号模型
2.4可压缩信号
参考文献

第3章采样矩阵
3.1压缩感知的数学模型
3.2零空间条件
3.2.1斯巴克
3.2.2零空间特性
3.3约束等距性质
3.3.1约束等距特性和稳定性
3.3.2测量边界
3.4约束等距特性和零空间特性
3.5满足约束等距特性的矩阵
3.6非相关性
参考文献

第4章压缩感知的重建
4.1基于l1范数最小化的稀疏信号重建
4.2无噪声信号重建
4.3有噪信号重建
4.3.1边界噪声污染信号的重建
4.3.2高斯噪声污染信号的重建
4.4测量矩阵的校准
4.4.1问题描述
4.4.2非监督校准
4.4.3仿真数据生成
4.4.4仿真结果
参考文献

第5章稀疏信号重建算法
5.1稀疏信号重建算法
5.2基于凸优化类算法
5.2.1问题描述
5.2.2线性规划
5.2.3收缩循环迭代法
5.2.4Bregman循环迭代法
5.3贪婪算法
5.3.1问题描述
5.3.2匹配跟踪算法
5.3.3正交匹配跟踪算法
5.3.4逐步正交匹配跟踪算法
5.3.5压缩感知匹配跟踪算法
5.3.6正则化正交匹配追踪算法
5.3.7循环硬门限法
5.3.8子空间追踪算法
5.4组合算法
5.4.1问题描述
5.4.2计数一最小略图法
5.4.3计数中值略图法
5.5贝叶斯方法
5.5.1问题描述
5.5.2基于信任扩散的稀疏重建方法
5.5.3稀疏贝叶斯学习
5.5.4贝叶斯压缩感知
参考文献

第6章稀疏编码与字典学习
6.1字典学习与矩阵分解
6.2非负矩阵分解
6.3端元提取
6.4稀疏编码
6.4.1最优方向法
6.4.2K-SVD
参考文献

第7章压缩感知的应用
7.1基于压缩感知的单像素相机
7.2压缩感知在激光雷达中的应用
7.3压缩感知在模拟数字转换器中的应用
7.4压缩感知在射电天文中的应用
7.4.1去卷积
7.4.2多频率合成
7.5压缩感知在基因检测器中的应用
7.6压缩感知在其他方面的应用
7.6.1稀疏误差纠错
7.6.2压缩感知在星载天文望远镜HERSCHEL中的应用
参考文献

附录A压缩感知实例
参考文献
附录BLenna图像趣闻
参考文献
后记
参考文献