项目名称: 基于压缩感知的高分辨率近场声全息方法研究

项目编号: No.51475134

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 机械、仪表工业

项目作者: 徐亮

作者单位: 合肥工业大学

项目金额: 80万元

中文摘要: 空间分辨率是近场声全息(NAH)性能的一个重要指标。普通NAH技术受Nyquist采样定理的限制,其所能达到的极限空间分辨率为全息面测量间隔。因此,实际中为了获得较高空间分辨率的重建结果,需要在全息面上进行大量的测量,这导致了系统硬件成本的增加和实施难度的增大,不利于NAH的应用推广。 为此,本课题拟建立一种基于压缩感知(CS)理论的高分辨率NAH方法。该方法仅需少量传感器在全息面上较少的测点处进行测量,便能获得空间分辨率超过普通NAH数倍的重建结果,有望解决上述不足。本课题将对CS理论中全息信号的稀疏表示问题,高效观测矩阵的构建方法,全息信号的高精度重构算法,重构过程的稳定性及正则化处理等关键问题展开系统研究,最终形成完善的高分辨率NAH技术流程,并开发出基于CS理论的高性能的NAH 测量分析系统,推动NAH走向工程应用。

中文关键词: 近场声全息;压缩感知;空间分辨率

英文摘要: The spatial resolution is an important performance index of the near field acoustic holography (NAH). Due to the limitation of the Nyquist sampling theorem, the upper limit of spatial resolution of the existing NAH is the measurement interval on hologram surface. Therefore, in order to obtain high spatial resolution, a large number of sensors is needed and a lot of measurement work should be done on the hologram surface. It led to an increase of hardware cost and implementation difficulty. To overcome this disadvantage of the existing NAH, a compressive sensing (CS) based NAH method without spatial resolution limit will be proposed and researched in this project. According to CS theory, a signal which can be sparse represented can be perfectly reconstructed with the sampling rate that far below the requirement of Nyquist sampling theorem. Therefore, it is possible for the proposed method to obtain a higher spatial resolution with fewer sensors and less measurement work. The spatial resolution limit of the existing NAH method is hopeful to be overcome. The key problems which will be studied detailly in the project contain the holographic signal analyzing the sparse representation of holographic signal, the efficient construction of the observation matrix method, the establishment of high spatial resolution reconstruction algorithm for holographic signal, the stability of the reconstruction process, the optimal selection of measurement parameters and the control of reconstructed errors and other key issues. Finally, the procedure of super-resolution NAH technology based on CS theory will be built and the measuring and analyzing system will be developed. The results of the project will promote engineering application of NAH.

英文关键词: near-field acoustic holoagraphy;compressive sensing;spatial resolution

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。
基于深度学习的视频超分辨率重构进展综述
专知会员服务
17+阅读 · 2022年3月7日
专知会员服务
27+阅读 · 2021年9月6日
专知会员服务
46+阅读 · 2021年8月28日
专知会员服务
31+阅读 · 2021年7月25日
专知会员服务
22+阅读 · 2021年7月15日
专知会员服务
28+阅读 · 2021年6月4日
专知会员服务
122+阅读 · 2021年4月29日
专知会员服务
35+阅读 · 2021年2月20日
专知会员服务
30+阅读 · 2021年1月9日
专知会员服务
77+阅读 · 2020年12月6日
综述 | 激光与视觉融合SLAM
计算机视觉life
18+阅读 · 2020年10月8日
基于深度学习的超分辨率图像技术一览
极市平台
17+阅读 · 2019年8月24日
综述 | SLAM回环检测方法
计算机视觉life
15+阅读 · 2019年8月19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
SLAM中VIO的优势及入门姿势
计算机视觉life
87+阅读 · 2019年5月7日
视觉SLAM技术综述
计算机视觉life
25+阅读 · 2019年1月4日
如何设计基于深度学习的图像压缩算法
论智
41+阅读 · 2018年4月26日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19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 · 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
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月22日
Murmurations of elliptic curves
Arxiv
0+阅读 · 2022年4月21日
小贴士
相关VIP内容
基于深度学习的视频超分辨率重构进展综述
专知会员服务
17+阅读 · 2022年3月7日
专知会员服务
27+阅读 · 2021年9月6日
专知会员服务
46+阅读 · 2021年8月28日
专知会员服务
31+阅读 · 2021年7月25日
专知会员服务
22+阅读 · 2021年7月15日
专知会员服务
28+阅读 · 2021年6月4日
专知会员服务
122+阅读 · 2021年4月29日
专知会员服务
35+阅读 · 2021年2月20日
专知会员服务
30+阅读 · 2021年1月9日
专知会员服务
77+阅读 · 2020年12月6日
相关资讯
综述 | 激光与视觉融合SLAM
计算机视觉life
18+阅读 · 2020年10月8日
基于深度学习的超分辨率图像技术一览
极市平台
17+阅读 · 2019年8月24日
综述 | SLAM回环检测方法
计算机视觉life
15+阅读 · 2019年8月19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
SLAM中VIO的优势及入门姿势
计算机视觉life
87+阅读 · 2019年5月7日
视觉SLAM技术综述
计算机视觉life
25+阅读 · 2019年1月4日
如何设计基于深度学习的图像压缩算法
论智
41+阅读 · 2018年4月26日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
相关基金
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 · 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
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员