压缩感知中的关键算法及其理论研究

项目名称： 压缩感知中的关键算法及其理论研究

项目编号： No.11126166

项目类型： 专项基金项目

立项/批准年度： 2012

项目学科： 金属学与金属工艺

项目作者： 吕良福

作者单位： 天津大学

项目金额： 3万元

中文摘要： 突破奈奎斯特-香农采样理论的采样硬件成本昂贵、有效信息提取效率低下、数据存储和传输资源浪费严重等局限性，D. Donoho，E. Candes及T. Tao等人于2006年提出了信号压缩感知（Compressive Sensing(CS)）理论。压缩感知理论及其应用刚刚起步，面临着对信号难以精确估计、无法构建硬件易实现的测量矩阵、信号重建算法不稳定、速度较慢等困难。本课题拟提出基于大规模稀疏数据处理的测量矩阵设计算法、数据信息重建模型；拟研究并提出针对大规模数据的测量矩阵实现算法和数据信息重建算法；对大规模稀疏数据信息的实时处理算法进行研究等。课题组拟取得成果不仅能为压缩感知的进一步发展提供坚实的基础理论指导，也必将丰富我国信号处理这一研究领域，推动数据处理技术快速发展。

中文关键词： 压缩感知；总体最小二乘法；矩阵反问题；信息重建；可视化

英文摘要：

英文关键词： compressive sensing；total least squares solution；inverse problem；information construction；visualization