Study on Piecewise Smooth Signal Reconstruction Algorithms based on Compressed Sensing

• Autorzy: Gao G. C. , Zhang C. , Zhao S. Y.

Warianty tytułu

PL

Analiza algorytmów rekonstrukcji sygnału odcinkowo-gładkiego – próbkowanie oszczędne

• Języki publikacji: EN

Abstrakty

EN

In this paper, the unknown piecewise smooth signal was chosen as tested signal. After random matrix were chosen as measure matrix, we design the CS (Compressed Sensing) model for the unknown piecewise smooth signal. The signal was reconstructed using the OMP (Orthogonal Matching Pursuit) algorithm. The linear combination wavelet bases were proposed by the authors and were chosen as the sparse base in the CS model. The simulation results show that CS model by this paper can acquire the better approximation of the original signal.

PL

W artykule opisano metodę rekonstrukcji sygnału odcinkowo-gładkiego, z wykorzystaniem algorytmu OMP. Dane uzyskane z modelu próbkowania oszczędnego (ang. Compressed Sensing) sygnału, umieszczono w wygenerowanej losowo macierzy pomiarowej. W algorytmie próbkowania wykorzystano falkowe kombinacje liniowe. Wykazano, że zastosowany model próbkowania oszczędnego pozwala na lepszą aproksymację sygnału.

Słowa kluczowe

EN

compressed sensing; Orthogonal Matching Pursuit

PL

próbkowanie oszczędne; falkowa kombinacja liniowa; algorytm OMP

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2013
• Tom: R. 89, nr 1b
• Strony: 168--170
• Opis fizyczny: Bibliogr. 10 poz., tab., wykr.

Twórcy

autor

Gao G. C.

• Zhejiang University City College

autor

Zhang C.

• Zhejiang University City College

autor

Zhao S. Y.

• Zhejiang University City College

Bibliografia

• [1] Candes E., and TaoT., Decoding by linear programming, IEEE Trans. Inform. Theory, 51(2005),No.12, 4203-4215.
• [2] Candes E., Romberg J., and Tao T., Stable signal recovery from incomplete and inaccurate information, Commun. Pure Appl. Math., 59(2005),No.9, 1207-1233.
• [3] Candes E., Romberg J., and Tao T., Robust uncertainty principles: exact signal reconstruction from highly incomplete frequency information, IEEE Trans. Inform. Theory, 52(2006),No.2, 489-590.
• [4] Donoho D., Compressed sensing, IEEE Trans. Inform. Theory, 52(2006),No.4, 1289-1306.
• [5] Gabriel Peyr´e, Best Basis Compressed Sensing, IEEE Transaction on Signal Processing, 58(2010),No.1,1-11.
• [6] candes E., Donoho D., Curvelets-A surprising effective nonadaptive representation for objects with edges. Curves and Surfaces, Vanderbilt University Press, Nashvielle, TN, 2000,105-120.
• [7] Rauhut H., Schnass K., and Vandergheynst P., Compressed sensing and redundant dictionaries, IEEE Trans. Info. Theory, 54(2008),No.5, 2210–2219.
• [8] Marco F. Duarte and Richard G. Baraniuk, Compressive Sensing with Biorthogonal Wavelets via Structured Sparsity. http://www.ecs.umass.edu/~mduarte/images/BWB‐SPARS11.pdf. May,2012.
• [9] S. Dekel, Adaptive compressed image sensing based on wavelet-trees. http://dsp.rice.edu/sites/dsp.rice.edu/files/cs/ adaptiveCSimag.pdf. May,2012.
• [10] C. La and M. Do, Signal reconstruction using sparse tree representations.http://www.ifp.illinois.edu/~minhdo/publications/t omp_spie.pdf. May,2012.