亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于Logistic混沌Bernoulli測量矩陣的壓縮感知研究

        2019-11-11 13:14:38孫中廷
        電腦知識與技術(shù) 2019年27期
        關(guān)鍵詞:壓縮感知

        孫中廷

        摘要:壓縮感知中測量矩陣是數(shù)據(jù)采樣和信號重構(gòu)的關(guān)鍵,傳統(tǒng)測量矩陣存在重構(gòu)計算復(fù)雜度高、內(nèi)存耗用大和隨機不可控等問題。利用Logistic混沌序列優(yōu)良的隨機特性,對Bernoulli測量矩陣進(jìn)行改進(jìn),提出一種復(fù)雜度較低的混沌Bernoulli測量矩陣。首先通過Logistic混沌系統(tǒng)產(chǎn)生混沌序列,然后運用符號函數(shù)進(jìn)行映射生成Bernoulli分布的隨機序列,最后將其構(gòu)造為測量矩陣并在一維信號和二維圖像的采樣、重構(gòu)中應(yīng)用。仿真結(jié)果表明,基于Logistic混沌Bernoulli測量矩陣在大幅降低存儲容量與計算復(fù)雜度的情況下,提高了精確性與魯棒性。

        關(guān)鍵詞:壓縮感知;測量矩陣;混沌序列;Logistic系統(tǒng);稀疏采樣

        中圖分類號:TP305? ? ? ? 文獻(xiàn)標(biāo)識碼:A

        文章編號:1009-3044(2019)27-0250-03

        Abstract: Based on the traditional measurement matrix are the shortcoming of poor stability, this paper uses stochastic properties of chaotic sequences of the Logistic is excellent, the Bernoulli measurement matrix is improved, presents a very low complexity of chaotic Bernoulli measurement matrix. Chaotic sequence is generated by Logistic chaotic system, then use the sign function of stochastic matrix mapping to generate the Bernoulli distribution, the sequence is used to construct the measurement matrix. The one-dimensional signal and two-dimensional image reconstruction results show that one-dimensional signal and image reconstruction for signal-to-noise ratio based on the chaotic Bernoulli measurement matrix are better than Bernoulli matrix and Gaussion matrix, which proves the reliability and effectiveness of the algorithm.

        Key words: Compressed Sensing; Measurement Matrix; Chaotic Sequence; Logistic System; Sparse Sampling

        在采樣理論的研究中,壓縮感知受到越來越多的關(guān)注,該理論是由[Donoho][1]和[Cande][2]等人率先提出的,它突破原采樣理論中采樣頻率的理解,將信息的壓縮處理與靈敏據(jù)采集處理同時進(jìn)行,這樣采集信息的數(shù)量會有極大減少,從而實現(xiàn)對數(shù)據(jù)的存儲空間和時間的節(jié)省。

        LeiYu[3]對從計算時間的角度分析混沌序列并構(gòu)建測量矩陣,通過多角度對比,證明該矩陣滿足有限等距性并對該矩陣的可行性進(jìn)行了驗證。顧國生等人[4]利用符號混沌系統(tǒng)的偽隨機序列對壓縮感知的測量矩陣進(jìn)行構(gòu)建,通過實驗,證明該方法的可行性和有效性。但以上兩種方法均具有復(fù)雜度偏高和計算量過大的缺點。將兩種異同隨機矩陣應(yīng)用于一維與二維兩種不同的信息中進(jìn)行仿真比對,實驗證明,此種測量矩陣對執(zhí)行效率和魯棒性有明顯提高。

        1 壓縮感知

        假設(shè)一維信號[X∈RN×1],[X]可通過一組[N×N]正交基[ψ={ψ1,ψ2,...,ψN}]進(jìn)行表達(dá),其表達(dá)式如公式(1)所示[5-6]:

        公式(1)中,[θk=],[X,θ]均為[N×1]維向量。當(dāng)信號[X]在某個正交基[ψ]上有[K<

        信息[X]通過在測量矩陣[?]映射得到結(jié)果的[Y]可以用(2)式表示:

        由公式(1)(2)可得:

        在重構(gòu)信號的過程中,如果測量矩陣選取不當(dāng)會現(xiàn)出“病態(tài)”問題。可以轉(zhuǎn)化成求解[l0]范數(shù)最小化來解決[7],如式(4)所示:

        為了求解公式(4),研究學(xué)者提出了很多計算方法,比較經(jīng)典的有正交匹配追蹤法、迭代硬閾值法法、公段正交匹配追蹤法、基追蹤法等。

        2 基于混沌矩陣的[Bernoulli]測量矩陣的構(gòu)造

        混沌現(xiàn)象廣泛地存在于非線性系統(tǒng)之中,其是一種非周期性運動形式。由于混沌系統(tǒng)所產(chǎn)生的序列具有良好的偽隨機性質(zhì),所以混沌序列被廣泛地應(yīng)用于信號處理、非線性控制以及圖像加密等相關(guān)領(lǐng)域。

        已知[Logistic]混沌系統(tǒng)的表達(dá)式如公式(5)所示[8]:

        公式(5)中,[xn∈[-1,1]],[μ∈[1.872,2.0]],當(dāng)公式(5)的初始值[x0=0.23,0.37或0.7]時,生成混沌序列。

        運用[Logistic]混沌序列[xn],運用公式(6)將其轉(zhuǎn)換為一種新型映射序列[an]。

        通過參考文獻(xiàn)[9]得出,當(dāng)[μ=2.0]時,利用[Logistic]混沌系統(tǒng)生成的混沌序列[xn]符合[Bernoulli]分布,并且滿足有限等距性,因此將選取[an]當(dāng)作測量矩陣。

        混沌矩陣的[Bernoulli]測量矩陣的構(gòu)造步驟如下:

        (1)運用公式(5)生成混沌序列[xn],[xn]的長度是[n=M×N-1]。通過不斷實驗得出,當(dāng)[μ=2.0]時,初始值[x0=0.23,0.37或0.7]時,重構(gòu)的誤差分別為[0.098,0.083,0.090,]為此,本文進(jìn)行初始操作為[x0=0.37],[μ=2.0]。

        (2)將步驟(1)生成的[Logistic]混沌序列運用公式(6)進(jìn)行符號函數(shù)映射,構(gòu)建序列[an]。

        (3)選取截斷長[N],對映射序列[an]進(jìn)行截斷操作,構(gòu)造[M×N]的矩陣[?]作為測量矩陣。

        參考文獻(xiàn)[5]的算法有一定的優(yōu)點,但算法復(fù)雜度較高,遠(yuǎn)超過[ο(N2)],為此本文提出了改進(jìn)的算法,通過實驗得出其復(fù)雜度為[ο(M×N)(M<

        由[Logistic_Bernoulli]和[Bernoulli]隨機序列對比圖和直方圖對比圖得出,[Logistic_Bernoulli]隨機序列中[1和-1]的數(shù)量相近,比值均與1相距很小,這表示[Logistic_Bernoulli]隨機序列有較好的魯棒性和平均性,優(yōu)于原始的[Bernoulli]隨機序列。

        3 運用正交匹配追蹤算法及[Logistic_Bernoulli]測量矩陣對信號進(jìn)行重構(gòu)

        3.1正交匹配追蹤算法

        正交匹配追蹤算法算法是運用Gram-Schmidt正交化方法對所選原子進(jìn)行正交處理,通過正交化之后,將信號投影在正交原子的空間中,得到信號在原子投影空間中的信號分量和信號余量,然后運用相同的方法繼續(xù)分解信號余量。在信號分解過程中,原子的選定都要符合相應(yīng)的條件,因此信號余量在分解的過程中迅速減小。通過遞歸方法實現(xiàn)原子集合的正交化處理不僅保證了最優(yōu)的迭代性,同時實現(xiàn)迭代次數(shù)的最小化。

        匹配追蹤相關(guān)算法的系數(shù)[u],大多使用信號余量[r]和感知矩陣[Φ],通過計算各個原子之間內(nèi)積的絕對值獲得[11-12]:

        同時運用最小二乘法實現(xiàn)信號逼近和余量更新:

        基于[Logistic_Bernoulli]測量矩陣的OMP算法的算法流程如下:

        輸入:維度大小為[M×N]的[Logistic_Bernoulli]測量矩陣[?]

        輸出:信號[X]的[K]稀疏的逼近[X]

        Step1:初始余量[r0=Y],迭代次數(shù)[n=1],索引值集合[Λ=?],[J=?];

        Step2:計算相關(guān)系數(shù)[u] ,并將[u]中最大值對應(yīng)的索引值存入[J]中;

        Step3:更新[ΦΛ],其中[Λ=Λ?J0];

        Step4:運用最小二乘法計算得到[X],同時運用式(9)對余量進(jìn)行更新;

        Step5:若[rnew-r≥ε2],令[r=rnew],[n=n+1],轉(zhuǎn)步驟Step2;否則,停止迭代。

        3.2 評價指標(biāo)

        假設(shè)原始信號為[X],重構(gòu)信號為[X],以信噪比、重構(gòu)誤差以及匹配度三個指標(biāo)來評價壓縮感知重構(gòu)的效果。

        信噪比:[PSNR=10lg|X|2|X-X|2]? ? ? ? ?(10)

        重構(gòu)誤差:[MSE=X-X2X2]? ? ? ? ? ? ?(11)

        匹配度:[α=1-X2-X2X2+X2]? ? ? ? ? ? ? (12)

        二維圖像的信噪比:

        [PSNR=10lg255×255×W×H(I-I)2]? ? ? ? ? ? ? ?(13)

        其中,[W,H]分別表示圖像的寬度和高度,[I,I]分別表示原始圖像和重構(gòu)圖像。

        4 仿真實驗

        為了對相關(guān)算法有效性和魯棒性進(jìn)行驗證,本文以兩個仿真實例為研究對象,研究本文算法對一維信號和二維圖像進(jìn)行壓縮感知重構(gòu)的效果。

        4.1 一維信號重構(gòu)

        假設(shè)原始信號[x(t)=3cos(2*pi*f*Ts*ts)],信號頻率[f=50Hz],采樣頻率[fs=800Hz],采樣間隔[ts=1/fs],采樣序列長度[TS],文中采樣序列長度[TS=256],測量數(shù)[M=64],稀疏度[K=7],原始信號波形圖如圖2所示:

        由圖2基于[Logistic_Bernoulli]測量矩陣一維信號重構(gòu)結(jié)果圖可知,本文算法幾乎完全實現(xiàn)原始信號的重構(gòu),重構(gòu)效果很好,其與不同測量矩陣的對比結(jié)果如表1所示。

        由表1可知,基于[Logistic_Bernoulli]測量矩陣的信號重構(gòu),其信噪比[PSNR]可以得到3分貝的提高,與此同時其匹配度和重構(gòu)誤差都有一定程度的提高和降低,實驗表明本算法能夠較大幅度提高有效性。

        5 結(jié)論

        針對傳統(tǒng)測量矩陣具有隨機性和平均性差的缺點,將[Logistic]混沌序列引入壓縮感知理論,構(gòu)造出新的[Logistic_Bernoulli]測量矩陣并將其應(yīng)用于壓縮感知代替?zhèn)鹘y(tǒng)的測量矩陣,構(gòu)造出基于[Logistic_Bernoulli]測量矩陣的OMP信號重構(gòu)算法。一維信號和二維圖像重構(gòu)結(jié)果表明,基于[Logistic_Bernoulli]測量矩陣一維信號和圖像重構(gòu)的信噪比優(yōu)于[Bernoulli]矩陣和[Gaussion]矩陣,進(jìn)而可以驗證本文算法的魯棒性和有效性。

        參考文獻(xiàn):

        [1] Donoho D.Compressed sensing[J].IEEE Transactions on Information Theory,2006,52(4):1289-1306.

        [2] Candes E.Compressive sampling[C]//Proceedings of the International Congress of Mathematicians,Madrid,Spain,2006.

        [3] Yu L,Barbot J P,Zheng G,et al.Compressive sensing with chaotic sequence[J].IEEE Signal Processing Letters,2010,17(8):731-734.

        [4] 王知人, 張德生, 聶棟棟. Logistic混沌序列壓縮感知測量矩陣構(gòu)造[J].小型微型計算機系統(tǒng),2016,37(3):588-592.

        [5] 蔡榮文. 基于改進(jìn)的Bernoulli矩陣壓縮感知圖像重構(gòu)算法[J].山東農(nóng)業(yè)大學(xué)學(xué)報(自然科學(xué)版), 2016(1):107-110.

        [6] 臧華中, ZANGHuazhong. 基于Logistic混沌-貝努力序列的循環(huán)壓縮測量矩陣構(gòu)造算法[J].四川理工學(xué)院學(xué)報(自科版), 2015, 28(5):31-36.

        [7] 孫憲坤, 陳濤, 韓華,等. 基于Kent混沌測量矩陣的壓縮感知圖像重構(gòu)算法[J].計算機應(yīng)用與軟件, 2017, 34(4):213-220.

        [8] 周偉, 景博, 黃以鋒.一種基于復(fù)合混沌映射的壓縮感知測量矩陣構(gòu)造方法研究[J].電子學(xué)報,2017(9): 2177-2183.

        [9] 胡行華, 史明潔. 帳篷混沌序列稀疏測量矩陣構(gòu)造[J].傳感器與微系統(tǒng),2017,36(7):50-52.

        [10] 李楠, 任清華, 蘇玉澤. TDCS壓縮感知觀測矩陣構(gòu)造方法[J].計算機工程與設(shè)計,2017,38(1):7-11.

        【通聯(lián)編輯:唐一東】

        猜你喜歡
        壓縮感知
        基于匹配追蹤算法的乳腺X影像的壓縮感知重構(gòu)
        淺析壓縮感知理論在圖像處理中的應(yīng)用及展望
        基于壓縮感知的一維粗糙面電磁散射快速算法研究
        基于壓縮感知的重構(gòu)算法研究
        基于ADM的加權(quán)正則化的塊稀疏優(yōu)化算法
        基于貝葉斯決策的多方法融合跟蹤算法
        壓縮感知在無線傳感器網(wǎng)絡(luò)中的應(yīng)用
        科技視界(2016年10期)2016-04-26 08:29:08
        淺談《數(shù)字信號處理》實踐教學(xué)
        一種基于壓縮感知的農(nóng)業(yè)WSN數(shù)據(jù)傳輸方法
        基于壓縮感知的模擬信息轉(zhuǎn)換器仿真
        国产无线乱码一区二三区| 精品午夜福利在线观看| 欧美老熟妇喷水| 成年男女免费视频网站| 2022精品久久久久久中文字幕| av免费在线播放观看| 少妇久久久久久被弄高潮| 久久久久久久久久久国产| 99久久久无码国产精品动漫| 中文字幕乱码在线婷婷| 日韩经典午夜福利发布| a人片在线观看苍苍影院| 久久99精品中文字幕在| 亚洲中文字幕第一页免费| 女人下边被添全过视频| 欧美疯狂性xxxxxbbbbb| 亚洲国产成人无码电影| 男女视频网站在线观看| 射精专区一区二区朝鲜| 久久精品国产日本波多麻结衣| 亚洲av粉色一区二区三区| 人妻少妇满足中文字幕| 亚洲女初尝黑人巨高清| 亚洲国产成人无码影院| 久久久精品久久久国产| 精品国产精品三级精品av网址| 国产真人无码作爱视频免费| 亚洲国产福利成人一区二区| 中文字幕一区二三区麻豆| 亚洲av日韩av天堂久久| 正在播放国产多p交换视频| 蜜桃视频网站在线免费观看| 欧美日本精品一区二区三区| 欧美激情a∨在线视频播放 | 久久AⅤ天堂Av无码AV| 国产三级黄色大片在线免费看| 狠狠综合久久av一区二区| 精品人妻中文av一区二区三区| 亚洲精品中文字幕熟女| 国产精品videossex国产高清| 亚洲av无码成人精品区天堂 |