压缩采样框架下的自适应稀疏信号感知与重建

项目名称： 压缩采样框架下的自适应稀疏信号感知与重建

项目编号： No.60971112

项目类型： 面上项目

立项/批准年度： 2010

项目学科： 自动化技术、计算机技术

项目作者： 谭山

作者单位： 西安电子科技大学

项目金额： 28万元

中文摘要： 压缩采样（Compressive sampling，CS）是近两年发展起来的建立在信号稀疏表示和逼近论基础上的一个新的研究领域，它充分利用目标信号结构的稀疏特性，通过低维空间、低分辨率、欠Nyquist采样数据的非相关测量实现高维稀疏信号的感知与重建，被称为信号处理领域的"A Big Idea"，将对信号处理产生革命性的变革。在压缩采样框架下，信号的稀疏性是其成功应用的基础，而找到信号最佳的稀疏域是其重建精度的保证。针对实际中多数信号具有复杂的规则性且稀疏度未知的情况，本课题研究压缩采样框架下稀疏信号的自适应表示、观测与重建。具体内容包括：研究超完备冗余字典CS框架下字典的设计、原子生成、信号观测与恢复方法；研究一类特殊的正交基字典CS框架下最优基的选择与快速信号估计算法；并将上述方法推广至噪声环境，为实际的信号去噪、检测与压缩探索更加普遍的压缩采样方法。

中文关键词： 多尺度字典；几何流优化；任务驱动字典学习；低速率压缩观测；多尺度压缩感知

英文摘要：

英文关键词： Multiscale dictionary；geometric flow optimization；taskdriven dictionary learning；low-rate compressive measure；multiscale compressive sensing