基于字典學習與耦合觀測的壓縮學習感知研究.pdf

1、壓縮感知是近年發(fā)展起來的一種新的信號獲取、分析與處理的理論框架。壓縮感知框架包括三個步驟,分別是稀疏,觀測以及重建。其中信號的稀疏性是CS理論的一個重要前提,只有信號滿足稀疏性或可壓縮性,才能實現壓縮感知,信號在變換空間的稀疏度直接影響著信號感知的效率。對于千變萬化的實際信號來說,可以使用一組訓練樣例學習得到自適應于信號特征的稀疏變換域。為了滿足表示系統(tǒng)與觀測系統(tǒng)的不相關性,對學習得到的字典也需要優(yōu)化設計相應的耦合觀測矩陣。本論文在壓縮

2、感知框架下,研究了字典學習與耦合觀測的設計與實現,在此基礎上提出了一種壓縮學習感知的理論框架,并研究了其在圖像恢復、分割與雷達目標探測中的應用。
　　 本論文的主要工作如下:
　　 (1)提出一種壓縮學習感知框架下的圖像重建方法。該算法利用字典學習與耦合觀測矩陣的優(yōu)化,對圖像自適應的學習稀疏表示的字典,觀測矩陣的優(yōu)化使得字典與觀測矩陣之間的不相關性達到更大,從而保證以較少的觀測向量準確的恢復原始圖像的信息。對多種類型的圖

3、像在不同采樣率下進行了壓縮觀測與恢復,實驗結果表明,該算法在相同采樣率下,獲得的圖像具有比固定字典以及隨機觀測更高的峰值信噪比。
　　 (2)提出了一種基于壓縮學習感知的雷達目標檢測與識別的方法。該方法將壓縮學習感知理論引入到雷達信號處理中,設計了低速率的模擬信息轉換器實現匹配濾波,克服了傳統(tǒng)雷達在處理大帶寬數據時需要很高的采樣率的缺陷。在雷達多目標探測與識別中顯示了其有效性。
　　 (3)提出了一種基于壓縮學習感知的圖