-
题名自适应阈值的1-bit压缩感知算法
被引量：3
- 1
-
-
作者
司菁菁
许培
程银波
-
机构
燕山大学信息科学与工程学院
河北省信息传输与信号处理重点实验室
河北农业大学海洋学院
-
出处
《高技术通讯》
EI
CAS
北大核心
2019年第2期134-141,共8页
-
基金
国家自然科学基金(61701429
61471313)
河北省自然科学基金(F2018203134)资助项目
-
文摘
针对二进制迭代硬阈值(BIHT)算法中固定的量化阈值在一定程度上限制了该算法重构性能的问题,提出了一种基于自适应阈值的二进制迭代硬阈值(AT-BIHT)算法,用于实现可压缩信号的1-bit压缩感知(CS)采集与重构。该算法采用基于自适应阈值的二进制量化器替代了BIHT算法中的符号函数,根据已获得的重构信号为当前测量值的1-bit量化选择合适的量化阈值;在继承BIHT算法优点的基础上,有效提高了重构性能。仿真实验表明,对于随机稀疏信号和实际心电信号,AT-BIHT算法的重建性能均高于BIHT算法。
-
关键词
压缩感知(CS)
1-bit压缩感知
二进制迭代硬阈值(BIHT)
自适应阈值
自适应二进制迭代硬阈值(AH-BIHT)
-
Keywords
compressed sensing (CS)
1-bit compressed sensing
binary iteration hard threshold (BIHT)
adaptive thresholding
adaptive thresholding-based binary iteration hard thresholding (AT-BIHT)
-
分类号
TN911.7
[电子电信—通信与信息系统]
-
-
题名1-Bit压缩感知盲重构算法
被引量：6
- 2
-
-
作者
张京超
付宁
杨柳
-
机构
哈尔滨工业大学自动化测试与控制系
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2015年第3期567-573,共7页
-
基金
国家自然科学基金(61102148)
黑龙江省博士后基金(LBH-Z10167)资助课题
-
文摘
1-Bit压缩感知(CS)是压缩感知理论的一个重要分支。该领域中二进制迭代硬阈值(BIHT)算法重构精度高且一致性好,是一种有效的重构算法。该文针对BIHT算法重构过程需要信号稀疏度为先验信息的问题,提出一种稀疏度自适应二进制迭代硬阈值算法,简称为SABIHT算法。该算法修正了BIHT算法,首先通过自适应过程自动调节硬阈值参数,然后利用测试条件估计信号的稀疏度,最终实现不需要确切信号稀疏度的1-Bit压缩感知盲重构。理论分析和仿真结果表明,该算法较好地实现了未知信号稀疏度的精确重建,并且与BIHT算法相比重构精度及算法复杂度均相当。
-
关键词
压缩感知
1-Bit压缩感知
盲重构
二进制迭代硬阈值
-
Keywords
Compressive Sensing （CS）
1-Bit compressive sensing
Blind Reconstruction
Binary Iterative HardThresholding （BIHT）
-
分类号
TN911.72
[电子电信—通信与信息系统]
-
-
题名一种基于块稀疏的1比特压缩感知重构算法
被引量：1
- 3
-
-
作者
熊杰
陈浩
闫斌
-
机构
电子科技大学自动化工程学院
-
出处
《计算机科学》
CSCD
北大核心
2016年第S2期144-146,共3页
-
文摘
块稀疏信号作为一种典型的稀疏信号,在压缩感知重构算法中被广泛应用研究,但是普通的重构算法并不能挖掘其内部结构,这导致重构精度得不到提高。在此基础上,针对普通的1比特压缩感知重构算法在块稀疏信号的重构中不能表现出良好的重构性能的问题,提出了一种专门针对块稀疏信号的1比特压缩感知重构算法。该算法以每一个块为重构单元,在二进制迭代硬阈值算法模型下进行重构。实验数据表明,提出的BLOCK-BIHT算法的重构精度比BIHT算法提高了3dB。
-
关键词
稀疏信号
压缩感知
1比特
二进制迭代硬阈值算法
-
Keywords
Sparse signal
Compressed sensing
1 bit
Binary iterative hard thresholding algorithm
-
分类号
TN911.7
[电子电信—通信与信息系统]
-
-
题名自适应稀疏度的1 bit压缩重构算法
被引量：1
- 4
-
-
作者
黄澳
柏正尧
周雪
-
机构
云南大学信息学院
云南大学‐云南天文台信息技术联合实验室
-
出处
《信号处理》
CSCD
北大核心
2022年第3期632-640,共9页
-
基金
中国科学院云南天文台射电天文技术研发及应用云南省创新团队
国家自然科学基金委员会-中国科学院天文联合基金(U1231122)。
-
文摘
1 bit压缩感知技术日益受到关注。1 bit信号往往有符号跳变,同时信号重构还需要稀疏度先验信息,如何有效地克服信号重构对稀疏度的依赖性,提高重构算法对噪声的鲁棒性,这是该领域面临的重大挑战。本文在二进制迭代硬阈值算法基础上,引入自适应稀疏度,利用残差能量的大小,通过对信号和噪声的学习,解决稀疏度依赖问题,通过引入弹球损失和自适应异常值追踪提高对噪声的鲁棒性,通过引入归一化参数,缩短运算时间。数值仿真实验表明,本文算法重构复杂度降低10%左右,在信号无噪声条件下重构信噪比提高2.1 dB,在有噪声条件下绝对均方误差(AMSE)降低约0.3。算法运行效率比基于自适应异常值追踪的二进制硬阈值算法提升了25%。与当前先进算法相比,能有效地克服信号重构对稀疏度的依赖性,对符号跳变引起的噪声具有很好的鲁棒性。
-
关键词
一位压缩感知
自适应稀疏度
信号恢复
弹球损失
二进制迭代硬阈值
-
Keywords
one-bit compressed sensing
adaptive sparsity
signal recovery
pinball loss function
binary iterative hard threshold
-
分类号
TN911.73
[电子电信—通信与信息系统]
-
