کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6871524 1440187 2018 12 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A hierarchical framework for recovery in compressive sensing
ترجمه فارسی عنوان
یک چارچوب سلسله مراتبی برای بهبود در اندازه گیری فشرده
کلمات کلیدی
سنجش فشاری، بازیابی سیگنال سلسله مراتبی، تعویض ستون قطعی، خانواده هش،
ترجمه چکیده
چارچوب ترکیبی برای ساخت ماتریس های اندازه گیری برای اندازه گیری فشاری نشان می دهد که انعطاف پذیری زیادی در بازیابی سیگنال دارد. تکنیک جایگزینی ستون بندی سلسله مراتبی است: با توجه به ورودی ماتریس الگو و ماتریس اندازه گیری مواد، یک ماتریس اندازه گیری بزرگتر را با جایگزینی عناصر ماتریس الگو با ستون ها از ماتریس های ماده تشکیل می دهد. بازیابی برای تولید ماتریس اندازه گیری بر هیچ یک از الگوریتم های ثابت تکیه نمی کند؛ در عوض، طرح های بازیابی ماتریس های ماده، که ممکن است از مواد تشکیل دهنده به مواد تشکیل دهنده متفاوت باشد، استفاده می شود. از آنجایی که ماتریسهای جزء می توانند بسیار کوچکتر از ماتریس اندازه گیری تولید شوند، می توان روش های بازیابی فشرده بیشتر محاسبات را استخدام کرد، گاهی اوقات در نتیجه اندازه گیری ها کمتر می شود. نویز سیگنال می تواند در بهبود سیگنال با اعمال شرایط اضافی در ماتریس الگو و در ماتریس اندازه گیری مواد تشکیل دهنده قرار گیرد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نظریه محاسباتی و ریاضیات
چکیده انگلیسی
A combinatorial framework for the construction of measurement matrices for compressive sensing is shown to exhibit great flexibility in signal recovery. The deterministic column replacement technique is hierarchical: Given as input a pattern matrix and ingredient measurement matrices, it produces a larger measurement matrix by replacing elements of the pattern matrix with columns from the ingredient matrices. Recovery for the measurement matrix produced does not rely on any fixed algorithm; rather it employs the recovery schemes of the ingredient matrices, which may differ from ingredient to ingredient. Because ingredient matrices can be much smaller than the measurement matrix produced, one can employ more computationally intensive recovery methods, sometimes resulting in fewer measurements. Noise can be accommodated in signal recovery by imposing additional conditions both on the pattern matrix and on the ingredient measurement matrices.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Discrete Applied Mathematics - Volume 236, 19 February 2018, Pages 96-107
نویسندگان
, , ,