压缩感知专辑
压缩感知（Compressed sensing），也被称为压缩采样(Compressive sampling)，稀疏采样(Sparse sampling)，压缩传感 。它作为一个新的采样理论，它通过开发信号的稀疏特性，在远小于Nyquist 采样率的条件下，用随机采样获取信号的离散样本，然后通过非线性重建算法完美的重建信号 。压缩感知理论一经提出，就引起学术界和工业界的广泛关注。他在信息论、图像处理、地球科学、光学/微波成像、模式识别、无线通信、生物医学工程等领域受到高度关注。为了更深入了解相关概念，整合了本刊发表的压缩感知方面的相关研究，共计13篇。制作了压缩感知专辑，欢迎浏览。
主题关键词： 压缩感知计算机应用信息处理技术通信技术
- 论文汇编
基于深度展开自注意力网络的压缩感知图像重构
摘要：针对卷积神经网络应用于图像压缩感知重构在低采样率下包含的信息量较少，重构网络关注图像的上下文信息比较困难的缺点，提出了一种基于深度展开自注意力网络的压缩感知图像重构。该网络将采样矩阵和自注意力机制相结合用于图像的深度重构，并通过多阶段的重构模块充分利用测量值的信息，以提高图像的重构质量。实验结果表明：本文提出的网络可高效利用图像的采样信息，在不同数据集上均优于现有的最先进的方法，重建图像的视觉效果更优。关键词：计算机应用;压缩感知;图像重构;自注意力;残差148|266|0<HTML><网络PDF><WORD>更新时间：2025-05-26基于在线压缩重构的非侵入式电力负荷监测
摘要：对家庭场景下电力负荷的精确监测常依赖复杂庞大的算法模型，难以在边缘设备中部署。同时，海量电力数据给电力网络通信带来了巨大的挑战。本文针对以上问题，提出了一种分布式非侵入式电力负荷监测方法。通过基于注意力机制的长短时记忆网络（LSTM）负荷监测算法计算并识别负荷设备运行状态，借助云边协同技术将负荷监测任务分布式部署于云端以及边缘端中，解决边缘算力不足的问题。针对云边通信带来的高网络带宽需求，通过基于K奇异值分解（K-SVD）双稀疏在线字典学习的压缩感知方法对负荷信号进行压缩和重构，有效缓解通信资源紧张。对比不同负荷场景下监测算法的表现，结果表明：本文负荷监测算法针对不同的负荷类型均可以保持95%以上的准确率。设计实验验证了本文压缩感知方法对电力负荷信号压缩的有效性，确定负荷数据无失真压缩感知最大压缩比。关键词：通信与信息系统;非侵入式负荷监测;压缩感知;分布式部署;长短时记忆网络275|140|0<HTML><网络PDF><WORD>更新时间：2025-05-26多尺度生成对抗网络下图像压缩感知重建算法
摘要：针对目前基于深度学习的压缩感知重建网络存在单通道重建网络没有深入挖掘图像的多尺度特征，缺乏对重建网络的反馈机制，并且重建网络缺乏与测量矩阵的关联，制约了重建质量的进一步提升的问题，提出了一种多尺度生成对抗网络下图像压缩感知与重建算法。该算法先通过多通道残差块提取图像的多尺度信息，加入判别网络形成对多尺度生成网络的反馈，再将全卷积测量网络与重建网络联合训练，以提升图像重建质量。实验结果表明：本文方法相对于ISTA-Net+方法在3种采样率下重建精度提高了2.02~4.09 dB。关键词：计算机应用;压缩感知;残差网络;生成对抗网络154|144|0<HTML><网络PDF><WORD>更新时间：2025-05-26基于优化离散差分进化算法的压缩感知信号重构
摘要：针对传统压缩感知重构算法严重依赖稀疏度、重构精准度不高的缺陷，提出了一种基于优化离散差分进化（ODDE）算法，对进化种群进行分析，在实现种群有效聚类的同时提高了种群学习进化的针对性和科学性。重新定义了差分进化粒子的编码方式和进化机制，并将优化后的离散差分进化算法应用于压缩感知重构方法中。将稀疏度未知信号等效为粒子编码，通过种群迭代进化实现了稀疏信号的精确重构。仿真结果表明，与StOMP等传统重构算法相比，本文方法可以显著提高重构精度、降低重构时间。关键词：计算机应用;稀疏度;离散差分;智能进化算法;压缩感知;稀疏重构104|23|0<HTML><网络PDF><WORD>更新时间：2025-05-26基于压缩感知理论的宽带信号波达方向估计
摘要：针对一维宽带信号波达方向（DOA）估计中聚焦变换算法需要角度预估值的问题，在双边相关变换算法基础上设计了一种无需角度预估值的DOA估计算法。首先，利用离散傅里叶变换（DFT）变换将宽带信号分解为若干个不同频点处的窄带数据模型。然后，通过本文改进的聚焦矩阵将不同频点处的窄带数据聚焦到同一参考频点，得到单一频率点处窄带信号模型。最后，采用改进阵列协方差矩阵稀疏迭代估计算法进行求解。理论研究和仿真实验结果表明，该方法在低信噪比和多快拍条件下比传统算法具有更高的估计精度和分辨率，且结合压缩感知理论有效降低了算法的运算量。关键词：信号与信息处理;波达方向估计;压缩感知;聚焦变换250|33|0<HTML><网络PDF><WORD>更新时间：2025-05-26基于半张量积压缩感知的粮情信息采集
摘要：针对粮库中现有粮情信息在线监控中存在的数据规模庞大、数据传输及存储压力大等问题，提出了一种基于半张量积的粮情信息压缩采集方法。该方法利用半张量积压缩感知模型可以进行分组重构的方式，采用基于L1范数的迭代重加权重构方法，通过对整个粮仓温度信息进行整体压缩采样，在接收端进行迭代重加权分组重构，既保证了重构的精度，也提升了重构的速度。与已有报道的基于OMP算法等的压缩感知粮情温度采集信息处理进行了对比，实验结果表明，本文方法在保证重构精度的前提下，可明显提升重构的实时性，实现了对粮情信息的高精度实时重构。关键词：信号与信息处理;压缩感知;半张量积;迭代重加权;粮情信息196|34|0<HTML><网络PDF><WORD>更新时间：2021-01-26改进的离散混合蛙跳算法压缩感知信号重构及应用
摘要：针对工程离散优化问题特点,定义了具有普遍意义的青蛙编码方式,设计了编码位调换更新机制,提出了自适应权重因子和双模子族群策略。在此基础上,将改进的离散混合蛙跳算法(Discrete shuffled frog leaping algorithm,DSFLA)应用于压缩感知重构算法中,将未知重构信号理解为青蛙编码方式,利用DSFLA算法全局寻优能力得到次最优信号重构信息,从而实现了稀疏度未知情况下的信号重构。最后对典型TSP(Travelling salesman problem)问题算例和WSNs多目标定位问题进行仿真,仿真结果表明:改进的DSFLA具有更强的复杂问题求解能力,基于改进DSFLA压缩感知重构算法的WSNs目标定位精度优于传统信号重构算法,且抗噪能力达到25~45 dB。关键词：计算机应用;无线传感器网络;离散混合蛙跳算法;压缩感知重构算法;多目标定位51|11|0<HTML><网络PDF>更新时间：2020-07-30压缩编码孔径红外成像超分辨重建
摘要：为了利用低分辨率红外探测器获取高质量图像信息,对基于频谱面的压缩编码孔径成像方法和超分辨率图像重建算法进行了研究。首先,在频谱面加入孔径编码器,通过傅里叶变换对采样图像信号进行编码压缩。然后,利用光学成像系统的分片光滑性,实现信号在傅里叶变换域的稀疏表示。最后,提出了两点步长梯度法与自适应非单调线搜索策略相结合的梯度投影并行加速算法,用于完成对稀疏信号的超分辨重建。实验结果表明,该算法能够以远小于原始信号的数据量重建出高分辨率图像信息。关键词：计算机应用;压缩感知;编码孔径;超分辨重建81|28|0<HTML><网络PDF>更新时间：2020-07-30基于压缩感知的三相电能质量扰动信号压缩及分类新方法
摘要：首先,选取傅立叶基作为压缩感知中的过完备字典、高斯随机矩阵作为观测矩阵、正交匹配追踪(OMP)算法作为重构算法,对电能质量扰动信号进行压缩采样。然后,采用灰度共生矩阵纹理特征中的能量特征值、灰度值出现概率两种方法对压缩感知重构信号进行分类检测。试验结果表明:本文方法可以同时实现对三相电能质量信号的压缩重构,也可以实现对信号的准确分类,并减少了信号压缩采样过程中的数据量。关键词：信息处理技术;电能质量;压缩感知;灰度图;灰度共生矩阵80|10|0<HTML><网络PDF>更新时间：2020-07-30低密度奇偶校验码的压缩感知重构
摘要：针对压缩感知(CS)中由观测噪声引起的信号重建误差问题,提出利用非相关性约束理论作为衡量压缩重建条件的重构误差向量的方法。该方法基于线性分组码中稀疏校验矩阵的零化子特性,建立了以误差向量为目标信号的线性规划问题,实现了低密度奇偶校验(LDPC)码的压缩感知重构。仿真结果表明:在加性高斯白噪声信道和原对偶内点算法下,选取的3种LDPC码均具备较强的信号重构能力,其中MacKay随机码的相关性系数较小,因此在信噪比为-1 dB时就可达到100%的误差向量重构成功率。同时表明在满足误比特率要求下,CS-LDPC码可使系统实现低信噪比下的高可靠性通信。关键词：通信技术;压缩感知;低密度奇偶校验码;信号重构;互相关系数;零化子矩阵76|27|0<HTML><网络PDF>更新时间：2020-07-30
