壓縮感覺回顧與展望
在衆多壓感的研究中,其中各個矩陣的命名不一,這篇文章就算是對這些命名的一個統一吧,個人覺得還挺貼切。
1、N維實信号 x 的稀疏表示:
![](https://img.laitimes.com/img/_0nNw4CM6IyYiwiM6ICdiwiI0gTMx81dsQWZ4lmZf1GLlpXazVmcvwFciV2dsQXYtJ3bm9CX9s2RkBnVHFmb1clWvB3MaVnRtp1XlBXe0xCMy81dvRWYoNHLwEzX5xCMx8FesU2cfdGLwMzX0xiRGZkRGZ0Xy9GbvNGLpZTY1EmMZVDUSFTU4VFRR9Fd4VGdsYTMfVmepNHLrJXYtJXZ0F2dvwVZnFWbp1zczV2YvJHctM3cv1Ce-cmbw5SOxgTO1QTNlNDNzEmMlV2YxYzX3QTO1gTMxMzLcJTMxIDMy8CXn9Gbi9CXzV2Zh1WavwVbvNmLvR3YxUjLyM3Lc9CX6MHc0RHaiojIsJye.png)
其中
叫正交基字典矩陣,
叫系數向量。
2、采用一個與正交基字典
不相關的觀測矩陣
,
是一個
的扁矩陣,即,
,
的每一行可以看作一個傳感器,它與系數相乘,擷取了信号的部分資訊。
對信号 x 執行一個壓縮觀測,就可以得到 M 個線性觀測
,這些少量的觀測中則包含了重構信号 x 的足夠資訊。
3、從觀測向量 y 中恢複 x 是一個解線性方程組的問題,但由于
是一個未知數個數大于方程個數(
)的病态方程(M是方程個數,N是未知數個數),它有無窮多解。
但由
可知:
, 雖然從 y 中恢複
也是一個病态問題,但因為
是稀疏的,這樣未知數個數大大減少,使得信号重構成為可能。
到此還是有迷惑的,到底要滿足什麼樣的具體條件,信号重構能夠實作呢?
(已經證明):隻要矩陣
中任意 2K 列都是線性獨立的 ,那麼至少存在一個 K-稀疏的系數向量 θ 滿足
。換言之 ,在滿足上述要求的情況下 ,通過求解一個非線性優化問題就能從觀測 y 、觀測矩陣
和字典矩陣
中近乎完美的重建信号 x。
4、壓縮感覺的條件:
從信号的壓縮觀測中實作信号的重建是需要滿足一定條件的 :首先 ,對于由正交基字典矩陣
确定的表示系統 ,要滿足信号在
下的稀疏性或可壓縮性 ,即信号需要在變換空間下的展開系數足夠的稀疏 ;其次 ,假設在表示系統中能夠獲得 K-稀疏的系數 , 對于由觀測系統
所确定的 CS 資訊算子
, 需要滿足任意 2K列都是線性無關的 .在這兩個條件都同時滿足時 ,就可以通過求解如下問題 :
(1)
獲得一個唯一的确定的解
,将它與字典相乘,就可以得到信号
![](https://img.laitimes.com/img/_0nNw4CM6IyYiwiM6ICdiwiI0gTMx81dsQWZ4lmZf1GLlpXazVmcvwFciV2dsQXYtJ3bm9CX9s2RkBnVHFmb1clWvB3MaVnRtp1XlBXe0xCMy81dvRWYoNHLwEzX5xCMx8FesU2cfdGLwMzX0xiRGZkRGZ0Xy9GbvNGLpZTY1EmMZVDUSFTU4VFRR9Fd4VGdsYTMfVmepNHLrJXYtJXZ0F2dvwVZnFWbp1zczV2YvJHctM3cv1Ce-cmbw5SOxgTO1QTNlNDNzEmMlV2YxYzX3QTO1gTMxMzLcJTMxIDMy8CXn9Gbi9CXzV2Zh1WavwVbvNmLvR3YxUjLyM3Lc9CX6MHc0RHaiojIsJye.png)
.
但由于上式式一個NP-hard非凸優化問題,是以我們需要另尋方法。
由 Candès 和 Donoho 提出的
範數下的凸化壓縮感覺恢複架構是一個裡程碑式的工作 ,它的基本思想是将式(5)的非凸的優化目标用
範數來代替 ,如下:
(2)
這就将式(1)的優化問題變成了一個凸優化問題 , 可以友善地轉化為線性規劃問題求解 , 是以稱之為凸化的壓縮感覺架構 。
5、壓縮感覺的關鍵要素:
從上述數學模型可知 ,壓縮感覺理論的實作包含三個關鍵要素 :稀疏性 、非相關觀測 、非線性優化重建 ,其中信号的稀疏性是壓縮感覺的必備條件 ,非相關觀測是壓縮感覺的關鍵 ,非線性優化是壓縮感覺重建信号的手段 。
信号的稀疏性是壓縮感覺理論的一個重要前提 ,并且直接影響着信号感覺的效率。
附上兩張手寫圖: