项目名称: 基于混沌的压缩测量理论及其应用

项目编号: No.51277100

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 电工技术

项目作者: 郭静波

作者单位: 清华大学

项目金额: 82万元

中文摘要: 传统的信号采样正在经历一场压缩采样的伟大变革。压缩测量是压缩采样的工程化拓展,压缩测量矩阵的设计与电路实现以及在噪声环境下的性能是其关键所在。已有的随机型压缩测量矩阵在实际应用中存在着明显的缺陷:矩阵元素的生成和压缩运算无法用硬件电路实现;矩阵的有限等距特性的检验缺少可操作性;压缩测量与噪声都为随机性、难以区分。本项目将混沌序列用于压缩测量矩阵,其优越性在于:混沌的随机性满足非相干性;混沌的确定性适合于电路实现;压缩测量的混沌性有利于区分和减弱噪声。研究内容包括:基于概率和迷向理论的混沌测量矩阵的构造;混沌压缩测量中的信号重建与性能评估;基于混沌理论的信号重建与性能评估;噪声环境下混沌压缩测量中的信号重建与性能评估;混沌压缩测量的电路实现方法;混沌压缩测量在典型实际问题中的应用。本项目的研究将系统构建混沌压缩测量理论体系框架,丰富拓展压缩测量理论,为压缩测量的工程应用奠定基础、开拓新路。

中文关键词: 压缩感知;混沌;压缩测量矩阵;模拟信息转换;油气管道内检测器

英文摘要: Conventional signal sampling is experiencing a tremendous change called compressive sampling that goes against the common knowledge. Compressive measurement is an extension of compressive sampling in engineering areas in which the measurement matrix is a crucial technology such as designing and the circuit's implements as well as the performances under the noisy environments. Most measurement matrices developed so far are based on randomization and the obvious disadvantages exist. The circuits implement is not feasible to the generation of matrix element and the compressed inner product. The test to the Restricted Isometry Property of the matrices is absent of operation in practice. Both the compressed measurements and the inevitable noise are random in essence so that the discrimination is difficult. In this proposal, the chaotic sequences are utilized to the compressive measurement matrices and advantages will be benefit from it. The randomness of chaos will satisfy the incoherence of the matrices and the deterministic character of chaos is suitable to the circuit implements. The most distinguished character is that the chaotic compressed measurements and the noise are entirely different in the phase space in which the discriminating and denoising could be performed. The research program is consisting of t

英文关键词: compressive sensing;chaos;compressed measurement matrix;analog to information conversion;oil and gas pipeline inner detector

成为VIP会员查看完整内容
0

相关内容

压缩感知是近年来极为热门的研究前沿,在若干应用领域中都引起瞩目。 compressive sensing(CS) 又称 compressived sensing ,compressived sample,大意是在采集信号的时候(模拟到数字),同时完成对信号压缩之意。 与稀疏表示不同,压缩感知关注的是如何利用信号本身所具有的稀疏性,从部分观测样本中恢复原信号。
数字孪生模型构建理论及应用
专知会员服务
221+阅读 · 2022年4月19日
专知会员服务
34+阅读 · 2021年10月17日
专知会员服务
21+阅读 · 2021年9月23日
逆优化: 理论与应用
专知会员服务
36+阅读 · 2021年9月13日
专知会员服务
44+阅读 · 2021年5月24日
专知会员服务
35+阅读 · 2021年2月20日
专知会员服务
29+阅读 · 2021年1月9日
Python编程基础,121页ppt
专知会员服务
48+阅读 · 2021年1月1日
深度学习批归一化及其相关算法研究进展
专知会员服务
51+阅读 · 2020年7月17日
从带内到带外——智能系统的脆弱性体系演变
中国计算机学会
6+阅读 · 2022年3月23日
微软发布量子计算最新成果,证实拓扑量子比特的物理机理
微软研究院AI头条
0+阅读 · 2022年3月18日
复数神经网络及其 PyTorch 实现
极市平台
5+阅读 · 2022年1月17日
图神经网络及其在视觉/医学图像中的应用
图与推荐
0+阅读 · 2021年12月15日
【学界】DeepMind论文:深度压缩感知,新框架提升GAN性能
GAN生成式对抗网络
14+阅读 · 2019年5月23日
深度学习之视频图像压缩
论智
13+阅读 · 2018年6月15日
基于GAN的极限图像压缩框架
论智
11+阅读 · 2018年4月15日
CNN、RNN在自动特征提取中的应用
乌镇智库
14+阅读 · 2017年8月4日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月18日
Challenges for Open-domain Targeted Sentiment Analysis
Arxiv
31+阅读 · 2020年9月21日
Arxiv
10+阅读 · 2018年2月17日
小贴士
相关VIP内容
数字孪生模型构建理论及应用
专知会员服务
221+阅读 · 2022年4月19日
专知会员服务
34+阅读 · 2021年10月17日
专知会员服务
21+阅读 · 2021年9月23日
逆优化: 理论与应用
专知会员服务
36+阅读 · 2021年9月13日
专知会员服务
44+阅读 · 2021年5月24日
专知会员服务
35+阅读 · 2021年2月20日
专知会员服务
29+阅读 · 2021年1月9日
Python编程基础,121页ppt
专知会员服务
48+阅读 · 2021年1月1日
深度学习批归一化及其相关算法研究进展
专知会员服务
51+阅读 · 2020年7月17日
相关资讯
从带内到带外——智能系统的脆弱性体系演变
中国计算机学会
6+阅读 · 2022年3月23日
微软发布量子计算最新成果,证实拓扑量子比特的物理机理
微软研究院AI头条
0+阅读 · 2022年3月18日
复数神经网络及其 PyTorch 实现
极市平台
5+阅读 · 2022年1月17日
图神经网络及其在视觉/医学图像中的应用
图与推荐
0+阅读 · 2021年12月15日
【学界】DeepMind论文:深度压缩感知,新框架提升GAN性能
GAN生成式对抗网络
14+阅读 · 2019年5月23日
深度学习之视频图像压缩
论智
13+阅读 · 2018年6月15日
基于GAN的极限图像压缩框架
论智
11+阅读 · 2018年4月15日
CNN、RNN在自动特征提取中的应用
乌镇智库
14+阅读 · 2017年8月4日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员