-
基于压缩感知技术的异构型物联网数据处理
摘 要：对于大规模异构型物联网的数据处理，传统的奈奎斯特采样加有损数据压缩处理不仅需要大量的存储空间和能量消耗，而且会导致部分信息的不可逆损失，为此，文中提出了一种基于压缩感知技术的异构型物联网数据处理方法。该方法利用信号本身具有的稀疏性，以远低于奈奎斯特的采样率同步实现信号感知和压缩，后期采用相应的优化算法精确恢复出原始的高维信号，实现数据的无损压缩和恢复，从而有效节约感知节点的存储空间和功耗，提高整个异构型物联网的能效比和鲁棒性。
-
基于压缩感知的信号欠采样和重建研究
摘要：为了实现基于压缩感知理论的信号欠采样和重建，采用模拟信息转换器和正交匹配追踪(OrthogonalMatchingPursuit,OMP)算法对正弦脉冲信号的欠采样和信号重建进行了仿真分析。通过Matlab仿真分析验证了压缩感知理论在信号欠采样和重建过程中的可行性，通过对比在不同信噪比下的效果发现，在高信噪比时，，性能较好，可以为信号采样系统和信号恢复处理系统的设计应用提供理论参考。最后，总结讨论了压缩感知在射频和无线通信领域的应用价值。
-
基于压缩感知的信号欠采样和重建研究
摘要：为了实现基于压缩感知理论的信号欠采样和重建，采用模拟信息转换器和正交匹配追踪(OrthogonalMatchingPursuit,OMP)算法对正弦脉冲信号的欠采样和信号重建进行了仿真分析。通过Matlab仿真分析验证了压缩感知理论在信号欠采样和重建过程中的可行，性，通过对比在不同信噪比下的效果发现，在高信噪比时，，性能较好，可以为信号采样系统和信号恢复处理系统的设计应用提供理论参考。最后，总结讨论了压缩感知在射频和无线通信领域的应用价值。
-
浅谈压缩感知（二）：理论基础
浅谈压缩感知（二）：理论基础主要内容：信号的稀疏表示编码测量（采样过程） 恢复算法（非线性） 一、信号与图像的稀疏表示在DSP（数字信号处理）中，有个很重要的概念：变换域（某个线性空间：一组基函数支撑
-
浅谈压缩感知（二十五）：压缩感知重构算法之分段正交匹配追踪（StOMP）
浅谈压缩感知（二十五）：压缩感知重构算法之分段正交匹配追踪（StOMP）主要内容：StOMP的算法流程StOMP的MATLAB实现一维信号的实验与结果门限参数Ts、测量数M与重构成功概率关系的实验与结
-
浅谈压缩感知（八）：两篇科普文章
浅谈压缩感知（八）：两篇科普文章分享两篇来自科学松鼠会的科普性文章：1、压缩感知与单像素相机(陶哲轩,Terence Tao)2、填补空白：用数学方法将低分辨率图像变成高分辨率图像(Jordan El
-
浅谈压缩感知（二十二）：压缩感知重构算法之正则化正交匹配追踪（ROMP）
浅谈压缩感知（二十二）：压缩感知重构算法之正则化正交匹配追踪（ROMP）主要内容：ROMP的算法流程ROMP的MATLAB实现一维信号的实验与结果测量数M与重构成功概率关系的实验与结果一、ROMP的算
-
浅谈压缩感知（二十三）：压缩感知重构算法之压缩采样匹配追踪（CoSaMP）
浅谈压缩感知（二十三）：压缩感知重构算法之压缩采样匹配追踪（CoSaMP）主要内容：CoSaMP的算法流程CoSaMP的MATLAB实现一维信号的实验与结果测量数M与重构成功概率关系的实验与结果一、C
-
浅谈压缩感知（三十一）：压缩感知重构算法之定点连续法FPC
浅谈压缩感知（三十一）：压缩感知重构算法之定点连续法FPC主要内容：FPC的算法流程FPC的MATLAB实现一维信号的实验与结果基于凸优化的重构算法基于凸优化的压缩感知重构算法。约束的凸优化问题：去约
-
浅谈压缩感知（十九）：MP、OMP与施密特正交化
浅谈压缩感知（十九）：MP、OMP与施密特正交化关于MP、OMP的相关算法与收敛证明，这里仅简单陈述算法流程及二者的不同之处。主要内容：MP的算法流程及其MATLAB实现OMP的算法流程以及MATLA
-
浅谈压缩感知（二十八）：压缩感知重构算法之广义正交匹配追踪(gOMP)
浅谈压缩感知（二十八）：压缩感知重构算法之广义正交匹配追踪(gOMP)主要内容：gOMP的算法流程gOMP的MATLAB实现一维信号的实验与结果稀疏度K与重构成功概率关系的实验与结果一、gOMP的算法
-
浅谈压缩感知（六）：TVAL3
浅谈压缩感知（六）：TVAL3这一节主要介绍一下压缩感知中的一种基于全变分正则化的重建算法——TVAL3。主要内容：TVAL3概要压缩感知方法TVAL3算法快速哈达玛变换实验结果 总结 1、TVAL3
-
compressive sensing matlab demo 压缩感知入门
压缩感知（Compressed sensing），也被称为压缩采样(Compressive sampling)或稀疏采样(Sparse sampling)，是一种寻找欠定线性系统的稀疏解的技术。如果一
-
浅谈压缩感知：凸优化
我们知道压缩感知主要有三个东西：信号的稀疏性，测量矩阵的设计，重建算法的设计。那么，在重建算法中，如何对问题建立数学模型并求解，这就涉及到了最优化或凸优化的相关知识。在压缩感知中，大部分情况下都转换为
-
浅谈压缩感知：凸优化
浅谈压缩感知：凸优化我们知道压缩感知主要有三个东西：信号的稀疏性，测量矩阵的设计，重建算法的设计。那么，在重建算法中，如何对问题建立数学模型并求解，这就涉及到了最优化或凸优化的相关知识。在压缩感知中，
-
压缩感知和深度学习的区别
本质上是两个问题。如果一定要找联系，两者都涉及数据的稀疏表达。压缩感知解决“逆问题”：Ax=b。对于欠定的线性系统，如果已知解具有稀疏性（sparsity），稀疏性可以作为约束或者正则项，提供额外的先
-
压缩感知技术在未来移动通信系统中的应用
随着智能终端的兴起及无线数据应用业务的丰富，无线通信系统中的数据用户数大幅增加，数据内容也不再限于传统的文字或者图像，未来用户对高清晰度视频、手机电视等多媒体业务的需求越来越多，导致无线网络流量呈现出
-
中国科大在几何信息压缩研究领域获新进展
近日，中国科学技术大学数学科学学院副教授杨周旺研究组在几何信息压缩感知理论及应用领域取得研究进展，相关研究成果发表在ACMTransactionsonGraphics(TOG)上。在逆向工程中，由扫描设备获取几何对象的扫描数据往往
