摘 要: 壓縮感知打破了傳統(tǒng)采樣定理的限制,提供了一種從少量的非自適應(yīng)線性測(cè)量值中就能恢復(fù)原始信號(hào)的方法。測(cè)量矩陣正是獲取這些測(cè)量值的關(guān)鍵所在,尋求結(jié)構(gòu)簡(jiǎn)單、性能穩(wěn)定的測(cè)量矩陣一直是研究人員的目標(biāo)。在介紹壓縮感知測(cè)量矩陣的基礎(chǔ)上,提出了廣義輪換矩陣的改進(jìn)方法,結(jié)合正交基線性表示的思想,利用廣義輪換構(gòu)造的正交矩陣來(lái)生成新的測(cè)量矩陣。通過(guò)仿真實(shí)驗(yàn),證明了新的測(cè)量矩陣具有較好的性能。
關(guān)鍵詞: 壓縮感知;稀疏信號(hào);測(cè)量矩陣;廣義輪換矩陣;正交基
2004年,Donoho D[1]和Candès E[2]等人在泛函分析和逼近論的基礎(chǔ)上,結(jié)合信號(hào)稀疏表示理論提出了一個(gè)全新的信號(hào)采樣理論,即壓縮感知CS(Compressed Sensing)[1-2]。與傳統(tǒng)的Nyquist采樣定律不同,壓縮感知同時(shí)完成了對(duì)信號(hào)的采樣和壓縮,在信號(hào)的采樣階段就很好地避免了大量冗余數(shù)據(jù)的產(chǎn)生。壓縮感知一經(jīng)提出,就引起人們的廣泛關(guān)注,在信息技術(shù)飛速發(fā)展的今天,有著廣闊的發(fā)展前景。在壓縮感知理論中,信號(hào)的采樣速率不再取決于信號(hào)的帶寬,而是取決于信號(hào)本身的結(jié)構(gòu)和特性(稱為稀疏性,或可壓縮性)。其核心思想是:當(dāng)信號(hào)具有稀疏性或可壓縮性時(shí),就可以通過(guò)一個(gè)非自適應(yīng)的線性測(cè)量過(guò)程將原信號(hào)映射到低維空間,得到少量的測(cè)量值,然后通過(guò)求解一個(gè)稀疏最優(yōu)化問(wèn)題就可以恢復(fù)原始信號(hào)。
總地來(lái)說(shuō),壓縮感知過(guò)程包括3個(gè)主要問(wèn)題:信號(hào)的稀疏表示、信號(hào)的線性測(cè)量和信號(hào)的重建。本文主要研究信號(hào)的線性測(cè)量,并介紹壓縮感知測(cè)量矩陣。
(1)隨機(jī)測(cè)量矩陣:如高斯矩陣[1,4]、貝努利矩陣[4]等。隨機(jī)矩陣可以用較少的采樣值獲得精確的重建,但是隨機(jī)測(cè)量矩陣自身存在的不確定性會(huì)給矩陣存儲(chǔ)和硬件實(shí)現(xiàn)帶來(lái)困難,也會(huì)造成仿真實(shí)驗(yàn)的不確定性。
(2)確定性測(cè)量矩陣:如多項(xiàng)式測(cè)量矩陣[5]等。相比隨機(jī)測(cè)量矩陣,確定性測(cè)量矩陣可以節(jié)省存儲(chǔ)空間,易于硬件實(shí)現(xiàn),也更易于設(shè)計(jì)快速算法,但是其重建效果較差,精確重建需要的測(cè)量值較多。
(3)部分隨機(jī)測(cè)量矩陣:如部分正交矩陣[6]、部分哈達(dá)瑪矩陣[4]、托普利茲和輪換矩陣[7]等。部分隨機(jī)矩陣既有部分的隨機(jī)性,又兼具一定的確定性,性能較好,硬件實(shí)現(xiàn)也相對(duì)容易。
3 仿真實(shí)驗(yàn)和結(jié)果
為了驗(yàn)證構(gòu)造的新測(cè)量矩陣的性能,采用Matlab圖像庫(kù)中提供的標(biāo)準(zhǔn)256×256 Lena圖像進(jìn)行仿真實(shí)驗(yàn)。首先利用小波變換對(duì)原圖像進(jìn)行稀疏化處理,然后分別選用新矩陣、部分哈達(dá)瑪、托普利茲、廣義輪換、部分正交等測(cè)量矩陣對(duì)稀疏化后的圖像進(jìn)行測(cè)量,最后采用OMP[10]重建算法對(duì)壓縮后的圖像信號(hào)進(jìn)行恢復(fù),得到恢復(fù)圖像。針對(duì)壓縮比M/N≤0.5的情況,得到圖1所示的峰值信噪比(PSNR)性能比較圖。
由實(shí)驗(yàn)結(jié)果可以看出,廣義輪換矩陣的性能要優(yōu)于其他測(cè)量矩陣,而因?yàn)樾碌臏y(cè)量矩陣是由廣義輪換矩陣改進(jìn)了向量原子后得到的,所以針對(duì)不同的壓縮比,新矩陣的性能變化曲線與廣義輪換矩陣相似,但整體性能要比廣義輪換矩陣高出3 dB左右。在壓縮比較小時(shí),新矩陣相比于其他測(cè)量矩陣具有更突出的優(yōu)勢(shì),驗(yàn)證了確定數(shù)+高斯隨機(jī)數(shù)的偽隨機(jī)數(shù)更適合這種壓縮比較小的情況。整體而言,對(duì)于壓縮比M/N≤0.5的情況,新的測(cè)量矩陣在和其他部分測(cè)量矩陣的對(duì)比中表現(xiàn)出了更好的性能。
圖2給出了256×256 Lena圖像的原始圖像和利用新的測(cè)量矩陣測(cè)量后恢復(fù)的圖像,此處選擇壓縮比M/N=0.5,此時(shí)的峰值信噪比PSNR達(dá)到了30.28。
本文旨在研究壓縮感知中的測(cè)量矩陣,改進(jìn)了廣義輪換矩陣的向量原子,結(jié)合正交基線性表示的構(gòu)造方法,提出用確定數(shù)+隨機(jī)數(shù)的偽隨機(jī)數(shù)作為正交基系數(shù),構(gòu)造了新的測(cè)量矩陣——基于正交基線性表示的二進(jìn)制生成矩陣。首先,改進(jìn)廣義輪換矩陣向量原子,采用二進(jìn)制1和0交替的向量原子,矩陣更稀疏,硬件實(shí)現(xiàn)更簡(jiǎn)單;然后,結(jié)合正交基線性表示的思想,將廣義輪換構(gòu)造的正交矩陣作為正交基,針對(duì)M/N≤0.5的情況,提出采用確定數(shù)+隨機(jī)數(shù)組合的偽隨機(jī)數(shù)作為線性系數(shù),構(gòu)造出新的測(cè)量矩陣。選擇二維圖像數(shù)據(jù)進(jìn)行仿真實(shí)驗(yàn),應(yīng)用不同測(cè)量矩陣進(jìn)行對(duì)比,實(shí)驗(yàn)結(jié)果顯示新的測(cè)量矩陣擁有更好的性能。
參考文獻(xiàn)
[1] DONOHO D.Compressed sensing[J].IEEE Transaction on Information Theory,2006,52(4):1289-1306.
[2] CANDES E.Compressive sampling[A].Proceedings of the international congress of mathematicians[C].Madrid,Spain,2006:1433-1452.
[3] CANDES E,ROMBERG J,TAO T.Robust uncertainty principles:exact signal reconstruction from highly incomplete frequency information[J].IEEE Transaction on Information Theory,2006,52(2):489-509.
[4] DONOHO D,TSAIG Y.Extensions of compressed sensing[J]. Signal Processing,2006,86(3):533-548.
[5] DEVORE R.Deterministic constructions of compressed sensing matrices[J].Journal of Complexity,2007,23(4-6):918-925.
[6] CANDES E,TAO T.Near optimal signal recovery from random projections:universal encoding strategies[J].IEEE Transactions on Information Theory,2006,52(12):5406-5425.
[7] RAUHUT H.Circulant and toeplitz matrices in compressed sensing[J].In Processing SPARS'09,2009,2(13):1124-1132.
[8] 李浩.用于壓縮感知的確定性測(cè)量矩陣研究[D].北京:北京交通大學(xué),2011.
[9] CANDES E.The restricted isometry property and its implications for compressed sensing[J].C.R.Math.Acad.Sci.Paris,2008,346(9-10):589-592.
[10] TROPP J,GILBERT A.Signal recovery from partial infor-mation via orthogonal matching pursuit[EB/OL].(2005-04). [2012-11-22].http://www.personal.umich.edu/_jtropp/papers/TG05-Signal-Recovery.pdf.