压缩感知理论简介

21
2.5 重构算法
重构是基于如下严格的数学最优化（Optimization）问题：
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。
22
三、应用展望
2015/8/31
3.1应用领域
硬件实现 信息论 信号/图像处理 光学/雷达成像 医疗超声成像 地质勘探 模式识别 无线通信 应用范围
2006《Compressed Sensing》DaLeabharlann Baiduid Donoho
2007《Compressive Sensing》Richard Baraniuk 上述文章奠定了压缩感知的理论基础。国内也将 其翻译成压缩传感或压缩采样。
8
1.1研究现状
传统方法
压缩感知
9
1.2 研究现状
• 理论一经提出，就在信息论、信号处理、图像处 理等领域受到高度关注。 • 在美国、英国、德国、法国、瑞士、以色列等许 多国家的知名大学(如麻省理工学院、斯坦福大学、 普林斯顿大学、莱斯大学、杜克大学、慕尼黑工 业大学、爱丁堡大学等等)成立了专门的课题组对 CS进行研究。 • 莱斯大学还建立了专门的CompressiveSensing 网站，及时报道和更新该方向的最新研究成果。
33
4 主要工作及成果
1
提出了基于快速贝叶斯匹配追踪(FBMP)重构的一维压 缩采样方法，能够实现压缩与采样同步进行，并能得到 短时扰动信号的高信噪比重构。
2
研究了基于Gabor原子库和匹配追踪重构的一维压缩 采样方法，能够实现暂态和短时扰动信号的高信噪比重 构，重构误差较小。
34
5 结论
3
提出了基于压缩感知理论的电能质量扰动信号二维压缩 采样方法，该方法对电能质量扰动信号的重构效果优于 一维方法，能实现单一扰动和多重扰动的准确重构，重 构信号能满足电能质量分析的要求。
15
2.3 稀疏表示
• 如果长度为N的信号X，在变换域K个系数 不为零（或者明显不大于其他系数），且 K<<N ，那么可以认为信号X在域中是稀 疏的并可记为K-稀疏。
16
2.3 稀疏表示
17
2.3 稀疏表示
18
2.3 稀疏表示
• 研究现状： 1.多种变换域分析方法为稀疏表示提供了可 能。 2.许多信号，诸如自然图像，本身就存在着 变换域稀疏性。 3.信号在冗余字典下的稀疏表示
Introduction to Compressive Sensing 压缩感知概述
北京化工大学
1
目录
1. 2. 3.
背景现状 压缩感知描述 应用展望
4.
主要工作及成果
2
一、背景现状
2015/8/31
1.1理论产生背景
传统图像处理过程：
采样数据
采样
数据传输
恢复图像
发的 压缩
数据传输
解压缩
通过显示器 显示图像
24
* 压缩感知应用于光学成像的首个实际系统是Rice大学的“单像
素相机”。
* 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，因此为低像素相机拍摄高质量 图像提供了可能。
如下图：利用小波多尺度变换对 Pepper 图像进行处理，利用标准高斯 随机矩阵作为测量矩阵 Φ，对稀疏化后的数据进行随机测量，使用改 进的 OMP 算法对测量后的数据进行图像重建。
4
1.1理论产生背景
采样方法
传统时频分析方法以 Nyquist采样定理为 支撑
数据压缩
无损压缩： 有损压缩： 无损与有损压缩相结 合
采样率高，硬件实现 成本大。
离不开Nyquist定理 指导下的采样框架体系 ，这种高速采样再压缩 的过程造成大量采样资 源的浪费。
5
1.1理论产生背景
*传统Nyquist采样定理： Nyquist 采样定
31
四、压缩感知电能质量信 号采样与检测方法
2015/8/31
压缩感知电能质量信号采样与检测方法
首次将压缩感知理论应用于电能质量分析领域。 重点关注压缩感知理论在信号压缩和测量值应用两
个方面的研究。 研究算法实现将压缩采样后得到的测量值直接用于后 期电能质量信号的检测定位，具有非常重要的意义。
理要求必须以信号带宽 2倍的速率进行 采样。
丢弃采样时造成很大的资源浪费能否直 接采集不被丢弃的信息？
*思考？：大部分冗余信息在采集后被
6
1.1理论产生背景
被感知对象
压缩感知
重建信号
压缩感知(压缩传感，Compressive Sensing)理论是近年来信号处理领域 诞生的一种新的信号处理理论，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)等人 提出，自诞生之日起便极大地吸引了相关研究人员的关注。
10
1.2 研究现状
西安电子科技大学石光明教授，发表综述文章 燕山大学练秋生教授课题组，针对压缩感知的稀 疏重建算法进行研究 中科院电子所的方广有研究员等，探索了压缩感 知理论在探地雷达三维成像中的应用。 除此之外，还有很多国内学者在压缩感知方面做 了重要的工作，如清华大学、天津大学、国防科 技大学、厦门大学、湖南大学、西南交通大学、 南京邮电大学、华南理工大学、北京理工大学、 北京交通大学、北京化工大学等等单位。
13
2.2压缩感知基本步骤
找到某个正 交基Ψ ，信 号在该基上 稀疏
找到一个与 Ψ 不相关， 且满足一定 条件的观测 基Φ
以Φ观测真 实信号，得 到观测值Y
对Y采用最 优化重构， Ψ Φ均是其 约束。
• 研究内容：
稀疏基 测量矩阵 重构算法
14
2.3 稀疏表示
• 如果一个信号中只有少数元素是非零的， 则该信号是稀疏的。通常时域内的信号是 非稀疏的，但是在某个变换域可能是稀疏 的。
11
二、压缩感知描述
2015/8/31
2.1基本理论依据
• 理论依据：长度为N的 信号X在某个正交基Ψ 上是K-稀疏的， • 如果能找到一个与Ψ 不 相关（不相干）的观测 基 Φ， • 用观测基Φ观测原信号 得到M个观测值， K<M<<N ，得到观测 值Y， • 那么可以利用最优化方 法从观测值中高概率重 构X。
19
2.4 测量矩阵
20
2.4 测量矩阵
观测基的意义： 保证能够从观测值准确重构信号，其需要满足一定 的限制： 1、观测基矩阵与稀疏基矩阵的乘积满足RIP性质 （有限等距性质）这个性质保证了观测矩阵不会把 两个不同的K稀疏信号映射到同一个集合中。 2、约束等距性条件的等价条件是测量矩阵和稀疏 表示基不相关 一般用随机高斯矩阵作为观测矩阵。
采样率为1%
采样率为5%
采样率为10%
采样率为15%
采样率为45%
Pepper 图像经过多尺度小波变换后只要保留 5%的系数， 即可较好地重建图像，证明了压缩感知算法的有效性。
基于小波基的CS图像重建示例图
管道泄漏检测：
测量矩阵：构造的结构化测量矩阵 稀疏表示：sym8小波基 重构算法：正交匹配追踪算法( OMP) ，部分 重构，获得稀疏向量中一些显著分量β^
名词解释：压缩感知—直接感知压缩后的信息
缩性），就能以较低的频率（远低于奈奎斯特采样频率） 采样该信号，并可能以高概率重建该信号。
7
基本方法：信号在某一个正交空间具有稀疏性（即可压
1.1 理论产生背景
2006《Robust Uncertainty Principles： Exact Signal Reconstruction from Highly Incomplete Frequency Information》 Terence Tao、Emmanuel Candè s
4
提出了基于压缩感知理论的电能质量扰动参数估计方法 ，能实现采样与压缩同步进行、重构与检测同时完成。 仿真实验结果表明，该方法估计准确，鲁棒性强，有很 强的抗噪声能力。并通过实验，得出压缩感知理论比小 波变换更适合于分析电能质量扰动的结论。
35
致
谢 ！
北京化工大学
36
29
管道泄漏检测
30
3.2 展望
目前，压缩感知理论仍处于发展阶段，有很多关键问题尚待 解决，如:
（1）探索测量矩阵的必要条件，构造确定性矩阵；
（2）如何硬件实现压缩感知的过程； （3）提高现有重建算法恢复质量、速度，论证算法理论基 础，保证其收敛，增强鲁棒性； （4）设计不同环境下的重建算法； （5）设计移动压缩传感器等。