![](https://static.zsdocx.com/FlexPaper/FileRoot/2019-3/14/18/70888b4f-df43-4216-b146-72c911b2ebf4/70888b4f-df43-4216-b146-72c911b2ebf4pic.jpg)
![基于未知信號(hào)先驗(yàn)知識(shí)的精確重構(gòu).pdf_第1頁(yè)](https://static.zsdocx.com/FlexPaper/FileRoot/2019-3/14/18/70888b4f-df43-4216-b146-72c911b2ebf4/70888b4f-df43-4216-b146-72c911b2ebf41.gif)
版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、傳統(tǒng)的信號(hào)處理的采樣過(guò)程必須滿足奈奎斯特采樣定理,即采樣頻率不得低于模擬信號(hào)頻譜中最高頻率的兩倍。對(duì)于稀疏的或可壓縮的信號(hào),壓縮傳感理論突破了奈奎斯特采樣定理的極限。未知向量x∈Rn在某組正交基或緊標(biāo)架下具有k-稀疏表示θ,y=Φθ∈Rm是測(cè)量值,m<
2、:=|{i:ei≠0}|≤ρ·m。本文結(jié)合矩陣的星值,證明了只要控制錯(cuò)誤部分ρ使得ρ≤ρ*(ρ*依賴于測(cè)量值維數(shù)與未知信號(hào)維數(shù)的比值),理論上x就可以被精確重構(gòu)。本文對(duì)此結(jié)論進(jìn)行了大量的數(shù)值實(shí)驗(yàn),所得的數(shù)據(jù)與理論結(jié)果保持一致。實(shí)際應(yīng)用中,我們多采取最小化l1-范數(shù)法來(lái)重構(gòu)x,本文闡述了一種新的求解最優(yōu)化問(wèn)題的方法:計(jì)算出目標(biāo)函數(shù)‖y-Ag‖l1的次微分,找到l1的對(duì)應(yīng)神經(jīng)網(wǎng)絡(luò)的收斂值就是我們要的最優(yōu)值。
本文還介紹了0≤p<1
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于先驗(yàn)生物學(xué)知識(shí)的基因網(wǎng)絡(luò)重構(gòu)研究.pdf
- 基于先驗(yàn)知識(shí)的車牌定位.pdf
- 基于先驗(yàn)知識(shí)的鐵軌識(shí)別.pdf
- 基于非先驗(yàn)函數(shù)系的信號(hào)識(shí)別.pdf
- 噪音水平未知時(shí)一維帶限信號(hào)重構(gòu)的快速穩(wěn)定算法.pdf
- 基于圖像先驗(yàn)知識(shí)的濾波方法研究.pdf
- 基于解析稀疏先驗(yàn)的混合信號(hào)盲源分離.pdf
- 基于先驗(yàn)知識(shí)的圖像去霧算法.pdf
- 基于FRFT的復(fù)雜電磁環(huán)境下未知信號(hào)辨識(shí).pdf
- 基于信號(hào)先驗(yàn)信息的DOA估計(jì)算法研究.pdf
- 基于部分先驗(yàn)知識(shí)的社區(qū)發(fā)現(xiàn)算法研究.pdf
- 基于先驗(yàn)知識(shí)的物體識(shí)別方法研究.pdf
- 基于小波的信號(hào)重構(gòu)研究.pdf
- 基于全變差與非局部低秩先驗(yàn)的圖像壓縮感知重構(gòu).pdf
- 基于先驗(yàn)知識(shí)的面部表情和動(dòng)作單元識(shí)別.pdf
- 基于先驗(yàn)知識(shí)融合的顯著性目標(biāo)檢測(cè).pdf
- 基于先驗(yàn)知識(shí)進(jìn)行混合象元信息分解
- 基于暗原色先驗(yàn)知識(shí)的圖像去霧方法研究.pdf
- 基于混沌理論的頻率未知的微弱信號(hào)的檢測(cè)方法研究.pdf
- 基于廣義逆的信號(hào)重構(gòu)方法研究.pdf
評(píng)論
0/150
提交評(píng)論