自适应压缩感知

㈠ 什么是“压缩感知”

压缩感知，又称压缩采样，压缩传感。它作为一个新的采样理论，它通过开发信号的稀疏特性，在远小于Nyquist
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的界的广泛关注。他在
信息论、图像处理、地球科学、光学/微波成像、模式识别、无线通信、大气、地质等领域受到高度关注，并被美国科技评论评为2007年度十大科技进展。
压缩感知理论的核心思想主要包括两点。

第一个是信号的稀疏结构。传统的Shannon
信号表示方法只开发利用了最少的被采样信号的先验信息，即信号的带宽。但是，现实生活中很多广受关注的信号本身具有一些结构特点。相对于带宽信息的自由
度，这些结构特点是由信号的更小的一部分自由度所决定。换句话说，在很少的信息损失情况下，这种信号可以用很少的数字编码表示。所以，在这种意义上，这种
信号是稀疏信号（或者近似稀疏信号、可压缩信号）。
另外一点是不相关特性。稀疏信号的有用信息的获取可以通过一个非自适应的采样方法将信号压
缩成较小的样本数据来完成。理论证明压缩感知的采样方法只是一个简单的将信号与一组确定的波形进行相关的操作。这些波形要求是与信号所在的稀疏空间不相关
的。压缩感知压缩感知方法抛弃了当前信号采样中的冗余信息。它直接从连续时间信号变换得到压缩样本，然后在数字信号处理中采用优化方法处理压缩样本。这里
恢复信号所需的优化算法常常是一个已知信号稀疏的欠定线性逆问题。

㈡ 压缩感知的主要应用

认知无线电方向：宽带谱感知技术是认识无线电应用中一个难点和重点。它通过快速寻找监测频段中没有利用的无线频谱，从而为认知无线电用户提供频谱接入机会。传统的滤波器组的宽带检测需要大量的射频前端器件，并且不能灵活调整系统参数。普通的宽带接收电路要求很高的采样率，它给模数转换器带来挑战，并且获得的大量数据处理给数字信号处理器带来负担。针对宽带谱感知的难题，将压缩感知方法应用到宽带谱感知中：采用一个宽带数字电路，以较低的频谱获得欠采样的随机样本，然后在数字信号处理器中采用稀疏信号估计算法得到宽带谱感知结果。
信道编码：压缩传感理论中关于稀疏性、随机性和凸最优化的结论可以直接应用于设计快速误差校正编码, 这种编码方式在实时传输过程中不受误差的影响。在压缩编码过程中, 稀疏表示所需的基对于编码器可能是未知的. 然而在压缩传感编码过程中, 它只在译码和重构原信号时需要, 因此不需考虑它的结构, 所以可以用通用的编码策略进行编码. Haupt等通过实验表明如果图像是高度可压缩的或者SNR充分大, 即使测量过程存在噪声, 压缩传感方法仍可以准确重构图像。 波达方向估计：目标出现的角度在整个扫描空间来看，是极少数。波达方向估计问题在空间谱估计观点来看是一个欠定的线性逆问题。通过对角度个数的稀疏限制，可以完成压缩感知的波达方向估计。
波束形成：传统的 自适应波束形成因其高分辨率和抗干扰能力强等优点而被广泛采用。但同时它的高旁瓣水平和角度失匹配敏感度高问题将大大降低接收性能。为了改进Capon 波束形成的性能，这些通过稀疏波束图整形的方法限制波束图中阵列增益较大的元素个数，同时鼓励较大的阵列增益集中在波束主瓣中，从而达到降低旁瓣水平同时，提高主瓣中阵列增益水平，降低角度失匹配的影响。例如，最大主瓣旁瓣能量比，混合范数法，最小全变差。 运用压缩传感原理, RICE大学成功研制了单像素压缩数码照相机。 设计原理首先是通过光路系统将成像目标投影到一个数字微镜器件(DMD)上, 其反射光由透镜聚焦到单个光敏二极管上, 光敏二极管两端的电压值即为一个测量值y, 将此投影操作重复M次, 得到测量向量 , 然后用最小全变分算法构建的数字信号处理器重构原始图像。数字微镜器件由数字电压信号控制微镜片的机械运动以实现对入射光线的调整。 由于该相机直接获取的是M次随机线性测量值而不是获取原始信号的N(M，N)个像素值, 为低像素相机拍摄高质量图像提供了可能.。
压缩传感技术也可以应用于雷达成像领域, 与传统雷达成像技术相比压缩传感雷达成像实现了两个重要改进: 在接收端省去脉冲压缩匹配滤波器; 同时由于避开了对原始信号的直接采样, 降低了接收端对模数转换器件带宽的要求. 设计重点由传统的设计昂贵的接收端硬件转化为设计新颖的信号恢复算法, 从而简化了雷达成像系统。 生物传感中的传统DNA芯片能平行测量多个有机体, 但是只能识别有限种类的有机体, Sheikh等人运用压缩传感和群组检测原理设计的压缩传感DNA芯片克服了这个缺点。 压缩传感DNA芯片中的每个探测点都能识别一组目标, 从而明显减少了所需探测点数量. 此外基于生物体基因序列稀疏特性, Sheikh等人验证了可以通过置信传播的方法实现压缩传感DNA芯片中的信号重构。

㈢ IIR数字滤波器的设计方法中，双线性变换法和冲激响应不变法的优缺点！

冲激响应不变法优点：1，模拟频率到数字频率的转换时线性的。2，数字滤波器单位脉冲响应的数字表示近似原型的模拟滤波器单位脉冲响应，因此时域特性逼近好 缺点：会产生频谱混叠现象，只适合带限滤波器
双线性变换法优点：克服多值映射得关系，可以消除频率的混叠
缺点：是非线性的，在高频处有较大的失真。

㈣ 压缩感知是什么

压缩感知，又称压缩采样，压缩传感。它作为一个新的采样理论，它通过开发信号的稀疏特性，在远小于Nyquist 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的界的广泛关注。他在信息论、图像处理、地球科学、光学/微波成像、模式识别、无线通信、大气、地质等领域受到高度关注，并被美国科技评论评为2007年度十大科技进展。
压缩感知理论的核心思想主要包括两点。
第一个是信号的稀疏结构。传统的Shannon 信号表示方法只开发利用了最少的被采样信号的先验信息，即信号的带宽。但是，现实生活中很多广受关注的信号本身具有一些结构特点。相对于带宽信息的自由度，这些结构特点是由信号的更小的一部分自由度所决定。换句话说，在很少的信息损失情况下，这种信号可以用很少的数字编码表示。所以，在这种意义上，这种信号是稀疏信号（或者近似稀疏信号、可压缩信号）。
另外一点是不相关特性。稀疏信号的有用信息的获取可以通过一个非自适应的采样方法将信号压缩成较小的样本数据来完成。理论证明压缩感知的采样方法只是一个简单的将信号与一组确定的波形进行相关的操作。这些波形要求是与信号所在的稀疏空间不相关的。压缩感知压缩感知方法抛弃了当前信号采样中的冗余信息。它直接从连续时间信号变换得到压缩样本，然后在数字信号处理中采用优化方法处理压缩样本。这里恢复信号所需的优化算法常常是一个已知信号稀疏的欠定线性逆问题。

㈤ 压缩传感的原理

核心思想是将压缩与采样合并进行，首先采集信号的非自适应线性投影 (测量值)，然后根据相应重构算法由测量值重构原始信号。压缩传感的优点在于信号的投影测量数据量远远小于传统采样方法所获的数据量，突破了香农采样定理的瓶颈，使得高分辨率信号的采集成为可能。
信号的稀疏表示就是将信号投影到正交变换基时，绝大部分变换系数的绝对值很小，所得到的变换向量是稀疏或者近似稀疏的，以将其看作原始信号的一种简洁表达，这是压缩传感的先验条件，即信号必须在某种变换下可以稀疏表示。 通常变换基可以根据信号本身的特点灵活选取， 常用的有离散余弦变换基、快速傅里叶变换基、离散小波变换基、Curvelet基、Gabor 基 以及冗余字典等。 在编码测量中， 首先选择稳定的投影矩阵，为了确保信号的线性投影能够保持信号的原始结构， 投影矩阵必须满足约束等距性 (Restricted isometry property, RIP)条件， 然后通过原始信号与测量矩阵的乘积获得原始信号的线性投影测量。最后，运用重构算法由测量值及投影矩阵重构原始信号。信号重构过程一般转换为一个最小L0范数的优化问题，求解方法主要有最小L1 范数法、匹配追踪系列算法、最小全变分方法、迭代阈值算法等。
采样定理（又称取样定理、抽样定理）是采样带限信号过程所遵循的规律，1928年由美国电信工程师H.奈奎斯特首先提出来的，因此称为奈奎斯特采样定理。1948年信息论的创始人C.E.香农对这一定理加以明确说明并正式作为定理引用，因此在许多文献中又称为香农采样定理。该理论支配着几乎所有的信号/图像等的获取、处理、存储、传输等，即：采样率不小于最高频率的两倍(该采样率称作Nyquist采样率)。该理论指导下的信息获取、存储、融合、处理及传输等成为信息领域进一步发展的主要瓶颈之一，主要表现在两个方面：
(1)数据获取和处理方面。对于单个(幅)信号/图像，在许多实际应用中(例如，超宽带通信，超宽带信号处理，THz成像，核磁共振，空间探测，等等）， Nyquist采样硬件成本昂贵、获取效率低下，在某些情况甚至无法实现。为突破Nyquist采样定理的限制，已发展了一些理论，其中典型的例子为Landau理论， Papoulis等的非均匀采样理论，M. Vetterli等的 finite rate of innovation信号采样理论，等。对于多道(或多模式)数据(例如，传感器网络，波束合成，无线通信，空间探测，等)，硬件成本昂贵、信息冗余及有效信息提取的效率低下，等等。
(2)数据存储和传输方面。通常的做法是先按照Nyquist方式获取数据，然后将获得的数据进行压缩，最后将压缩后的数据进行存储或传输，显然，这样的方式造成很大程度的资源浪费。另外，为保证信息的安全传输，通常的加密技术是用某种方式对信号进行编码，这给信息的安全传输和接受带来一定程度的麻烦。
综上所述：Nyquist-Shannon理论并不是唯一、最优的采样理论，研究如何突破以Nyquist-Shannon采样理论为支撑的信息获取、处理、融合、存储及传输等的方式是推动信息领域进一步往前发展的关键。众所周知：(1)Nyquist采样率是信号精确复原的充分条件，但绝不是必要条件。(2)除带宽可作为先验信息外，实际应用中的大多数信号/图像中拥有大量的structure。由贝叶斯理论可知：利用该structure信息可大大降低数据采集量。(3) Johnson-Lindenstrauss理论表明：以overwhelming性概率，K+1次测量足以精确复原N维空间的K-稀疏信号。
由D. Donoho(美国科学院院士)、E. Candes(Ridgelet, Curvelet创始人)及华裔科学家T. Tao(2006年菲尔兹奖获得者，2008年被评为世界上最聪明的科学家)等人提出了一种新的信息获取指导理论，即，压缩感知或压缩传感（Compressive Sensing(CS) or Compressed Sensing、Compressed Sampling）。该理论指出：对可压缩的信号可通过远低于Nyquist标准的方式进行采样数据，仍能够精确地恢复出原始信号。该理论一经提出，就在信息论、信号/图像处理、医疗成像、模式识别、地质勘探、光学/雷达成像、无线通信等领域受到高度关注，并被美国科技评论评为2007年度十大科技进展。CS理论的研究尚属于起步阶段，但已表现出了强大的生命力，并已发展了分布CS理论(Baron等提出)，1-BIT CS理论(Baraniuk等提出)，Bayesian CS理论(Carin等提出)，无限维CS理论(Elad等提出)，变形CS理论(Meyer等提出)，等等，已成为数学领域和工程应用领域的一大研究热点。

㈥ 压缩感知的基本知识

现代信号处理的一个关键基础是 Shannon 采样理论：一个信号可以无失真重建所要求的离散样本数由其带宽决定。但是Shannon 采样定理是一个信号重建的充分非必要条件。在过去的几年内，压缩感知作为一个新的采样理论，它可以在远小于Nyquist 采样率的条件下获取信号的离散样本，保证信号的无失真重建。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。
压缩感知理论的核心思想主要包括两点。第一个是信号的稀疏结构。传统的Shannon 信号表示方法只开发利用了最少的被采样信号的先验信息，即信号的带宽。但是，现实生活中很多广受关注的信号本身具有一些结构特点。相对于带宽信息的自由度，这些结构特点是由信号的更小的一部分自由度所决定。换句话说，在很少的信息损失情况下，这种信号可以用很少的数字编码表示。所以，在这种意义上，这种信号是稀疏信号（或者近似稀疏信号、可压缩信号）。另外一点是不相关特性。稀疏信号的有用信息的获取可以通过一个非自适应的采样方法将信号压缩成较小的样本数据来完成。理论证明压缩感知的采样方法只是一个简单的将信号与一组确定的波形进行相关的操作。这些波形要求是与信号所在的稀疏空间不相关的。
压缩感知方法抛弃了当前信号采样中的冗余信息。它直接从连续时间信号变换得到压缩样本，然后在数字信号处理中采用优化方法处理压缩样本。这里恢复信号所需的优化算法常常是一个已知信号稀疏的欠定线性逆问题。

㈦ 压缩感知在无线通信信号处理中有哪些办法

通信与信息系统专业与信号与信息处理专业区别

通信与信息系统专业

（）《移通信与线技术》 研究数字移通信通信系统系统模拟、址技术、数字调制解调技术、信道态指配技术、同步技术、用户检测技术、语音压缩技术、宽带媒体技术及射频技术研究各种数字微波通信、移通信卫星通信系统及WLAN、WMAN、ad-Roc网组、新技术及性能析并包括SDH技术述系统用编码、调制解调、同步与信令式、址及网络安全等技术研究与发

（二）《线数据与移计算网络》 研究线数据通信广域网、线局域网区域网线数字传输、媒质接入控制、线资源管理、移性管理、移媒体接入、线接入Internet、移IP、线IP、移计算网络等理论、协议、技术、实现及基于移计算网络各种应用本向研究现代移通信智能技术（智能线、智能传输、智能化通信协议智能网管系统等）

（三）《IP宽带网络技术》 研究宽带IP通信网QoS、流量工程合侦听；VoIP组网技术、通信协议控制技术；代网络软交换技术；SIP协议研究及应用发；B3G核网络技术；IP宽带接入城域网关键设备技术发；层交换技术、IP/ATM集技术MPLS技术；IP网络管理模型技术实现；移代理及其IP通信网应用

（四）《网络与应用技术》 研究宽带通信网结构、接口、协议、网络仿真设计技术；网络管理管理模型、接口标准、网管系统设计发；编程网络体系、软件系统发

（五）《通信信息系统信息安全》 研究与通信信息系统信息安全关理论技术主要包括数据加密密钥管理数字签名与身份认证网络安全计算机安全安全协议隐形技术智能卡安全等重点线通信网信息安全根据OSI协议网络各层发研究安全解决案达信、控、用

信号与信息处理专业

（）《现代通信智能信号处理技术》 本研究向现代信号处理基础研究提高通信与信息系统效性靠性各种智能处理技术及其移通信、媒体通信、宽带接入IP网应用目前侧重于研究新代线通信网络各种先进智能信号处理技术通信信号盲离、信道盲辨识与均衡、载波调制、用户检测、空-联合处理、信源-信道编码及网络环境各种自适应技术等

（二）《量信息技术》 研究量态信息载体信息处理与传输技术包括量纠错编码、量数据压缩、量隐形传态、量密码体系等关键技术与理论实现新代高性能计算机超高速、超容量通信信息系统具极其重要意义

（三）《线通信与信号处理技术》 本研究向研究ad hoc自组织网络、传器网络、超宽带（UWB）网络等新代线通信网络通信信号处理技术主要研究内容包括基于信号处理包接收盲处理技术基于粒(particle)滤波信道估计均衡技术基于信号处理媒体接入控制技术目标跟踪与信息融合技术及网络协议体系等

（四）《现代语音处理与通信技术》 语音类进行通信交往便快捷手段各种现代通信网络智能信号处理应用起着十重要作用本研究向研究语音信号数字压缩、识别、合增强技术基于语音智能化机接口技术面向IP网络实语音通信技术信息隐藏技术移通信语音数字处理及传输技术基于DSPs软件线电通信技术及各种网络环境音频、视频、数据、文字媒体处理及通信技术

（五）《现代信息理论与通信信号处理》 现代信息理论基础研究ATMIP网、移与通信、媒体通信、宽带接入网各种信号处理技术低延、低比特率、高质量语音编码、图像编码适用于第三代移通信纠错编码高效载波调制各种自适应处理技术等；确保实现二十世纪通信发展目标提高通信效性靠性核技术本向侧重于些技术应用基础研究

（六）《图像处理与媒体通信》 研究媒体信息特别图像信息处理、描述应用系统关键技术包括：①图像视频信号处理及压缩编码算研究应用系统设计实现；②基于IP视频传输技术业务环境；③移网及cable网数据与媒体通信；④基于xDSL宽带接入网技术；⑤图像数据库及影像网络技术；⑥三维图像处理、建模、显示析技术

（七）《信息网络与媒体技术》 进行信息网络及媒体技术应用基础研究同利用DSP、FPGA、CPLD等软硬件发平台着重研究发各种媒体终端包括①媒体信息压缩编码②信道编码（重点纠错编解码）③视频点播（VOD）与交互电视议电视、远程教/考试/医疗④视频驱系统⑤视音频信号编码压缩算研究及ASIC设计⑥宽带网络应用研究

源:

㈧ 谁能解释一下压缩感知的用途和基本原理

压缩感知，又称压缩采样，压缩传感。它作为一个新的采样理论，它通过开发信号的稀疏特性，在远小于Nyquist 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的界的广泛关注。他在信息论、图像处理、地球科学、光学/微波成像、模式识别、无线通信、大气、地质等领域受到高度关注，并被美国科技评论评为2007年度十大科技进展。
压缩感知理论的核心思想主要包括两点。
第一个是信号的稀疏结构。传统的Shannon 信号表示方法只开发利用了最少的被采样信号的先验信息，即信号的带宽。但是，现实生活中很多广受关注的信号本身具有一些结构特点。相对于带宽信息的自由度，这些结构特点是由信号的更小的一部分自由度所决定。换句话说，在很少的信息损失情况下，这种信号可以用很少的数字编码表示。所以，在这种意义上，这种信号是稀疏信号（或者近似稀疏信号、可压缩信号）。
另外一点是不相关特性。稀疏信号的有用信息的获取可以通过一个非自适应的采样方法将信号压缩成较小的样本数据来完成。理论证明压缩感知的采样方法只是一个简单的将信号与一组确定的波形进行相关的操作。这些波形要求是与信号所在的稀疏空间不相关的。压缩感知压缩感知方法抛弃了当前信号采样中的冗余信息。它直接从连续时间信号变换得到压缩样本，然后在数字信号处理中采用优化方法处理压缩样本。这里恢复信号所需的优化算法常常是一个已知信号稀疏的欠定线性逆问题。

㈨ 如何解决基不匹配问题：从原子范数到无网格压缩感知

更好的求解方法应该是连续建模法, 即在对稀疏域建模时直接采用连续处理方法, 而不对稀疏域进行离散化表示, 在一般的稀疏分析中, 都直接采用定义在l2 空间的范数来度量稀疏参数. 要避免离散化处理, 最根本的方法是将范数定义在连续空间中, 这样就从源头上避免了基不匹配问题的发生. 原子范数利用原子集合凸包的连续特性来计算范数, 能够在约束信号稀疏特性的同时保证其参数空间的连续性。

㈩ 色域映射，色域压缩是什么意思相对压缩和感知压缩有什么区别

压缩感知，又称压缩采样，压缩传感。
它作为一个新的采样理论，它通过开发信号的稀疏特性，在远小于Nyquist 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的界的广泛关注。
他在信息论、图像处理、地球科学、光学/微波成像、模式识别、无线通信、大气、地质等领域受到高度关注，并被美国科技评论评为2007年度十大科技进展。
压缩感知理论的核心思想主要包括两点。
第一个是信号的稀疏结构。
传统的Shannon 信号表示方法只开发利用了最少的被采样信号的先验信息，即信号的带宽。
但是，现实生活中很多广受关注的信号本身具有一些结构特点。
相对于带宽信息的自由度，这些结构特点是由信号的更小的一部分自由度所决定。
换句话说，在很少的信息损失情况下，这种信号可以用很少的数字编码表示。
所以，在这种意义上，这种信号是稀疏信号（或者近似稀疏信号、可压缩信号）。
另外一点是不相关特性。
稀疏信号的有用信息的获取可以通过一个非自适应的采样方法将信号压缩成较小的样本数据来完成。
理论证明压缩感知的采样方法只是一个简单的将信号与一组确定的波形进行相关的操作。
这些波形要求是与信号所在的稀疏空间不相关的。
压缩感知压缩感知方法抛弃了当前信号采样中的冗余信息。
它直接从连续时间信号变换得到压缩样本，然后在数字信号处理中采用优化方法处理压缩样本。
这里恢复信号所需的优化算法常常是一个已知信号稀疏的欠定线性逆问题。