- 智能語(yǔ)音處理
- 張雄偉 孫蒙 楊吉斌
- 886字
- 2020-11-05 10:07:09
2.4.1 基本概念
在自然界和工業(yè)領(lǐng)域中,存在著大量如前面圖2-1所示的稀疏信號(hào),由于這些信號(hào)的絕大多數(shù)樣點(diǎn)值都接近零值,所以只需記錄極少數(shù)非零值的位置和幅度就可以無(wú)失真地恢復(fù)原信號(hào)。按照Nyquist采樣速率對(duì)這類信號(hào)采樣(通常稱為全采樣)后,雖然能夠無(wú)失真地恢復(fù)原有信號(hào),但同時(shí)會(huì)得到?jīng)]有有用信息的采樣值,增加了傳輸和存儲(chǔ)的負(fù)擔(dān)。為了減少這些無(wú)用信息,通常需要做進(jìn)一步壓縮處理。那么,能不能簡(jiǎn)化全采樣后再壓縮的處理過(guò)程(如圖2-7a所示),直接在低于Nyquist速率的情況下采樣,同時(shí)還能得到無(wú)失真的信號(hào)呢?壓縮感知理論就回答了這個(gè)問(wèn)題。由于壓縮感知理論重點(diǎn)解決了采樣問(wèn)題,因此有的文獻(xiàn)也稱之為壓縮采樣理論。在詳細(xì)介紹壓縮感知模型前,先通過(guò)實(shí)例簡(jiǎn)單介紹壓縮感知的處理過(guò)程(如圖2-7b所示)。
例如,有一個(gè)脈沖信號(hào)x=[1,0,…,0]T,其長(zhǎng)度為100,只有一個(gè)非零元素。如果采用一個(gè)50×100的采樣矩陣D去采樣,那么得到的采樣y=Dx,樣點(diǎn)只有50個(gè)。存儲(chǔ)、傳輸這50個(gè)樣點(diǎn),耗費(fèi)的資源都降低了。經(jīng)過(guò)傳輸、存儲(chǔ)之后的y能恢復(fù)x嗎?根據(jù)2.3.4節(jié)的介紹,由于x是稀疏的,D是“扁胖”的,那么在一定條件下是可以無(wú)失真恢復(fù)x的。
再如,有一個(gè)頻率為200Hz的單頻信號(hào),對(duì)應(yīng)的Nyquist采樣速率大于等于400Hz。截取一秒的全采樣信號(hào),構(gòu)成信號(hào)矢量x,其維度為400×1。如圖2-8所示,雖然在時(shí)域上x并不稀疏,但通過(guò)傅里葉變換可以得到其在頻域上的稀疏表示s,有x=Ψs。此時(shí),如果采用一個(gè)“扁胖”的采樣矩陣D對(duì)信號(hào)矢量x進(jìn)行采樣,得到的采樣值y=Dx的樣點(diǎn)數(shù)就少于400,采樣速率將低于Nyquist速率。由于傅里葉變換矩陣Ψ是方陣,因此DΨ依然是“扁胖”的。同樣,由于x是稀疏的,在一定條件下可以無(wú)失真恢復(fù)s,之后再重構(gòu)得到x。
上述示例說(shuō)明了壓縮感知的基本思路。由于利用了信號(hào)稀疏的先驗(yàn)信息,壓縮感知可以實(shí)現(xiàn)欠Nyquist采樣,降低了采樣過(guò)程的復(fù)雜度,不再需要先進(jìn)行全采樣再壓縮(如圖2-9所示),具有很強(qiáng)的實(shí)用價(jià)值。該理論提出伊始,就作為核磁共振成像(Magnetic Resonance Imaging,MRI)圖像處理的新方案得到了討論[23]。單像素相機(jī)[24]、Xampling[25]樣機(jī)等都是一些成功的應(yīng)用。
- 自動(dòng)駕駛:人工智能理論與實(shí)踐
- 人工智能+機(jī)器人入門與實(shí)戰(zhàn)
- 統(tǒng)計(jì)學(xué)習(xí)必學(xué)的十個(gè)問(wèn)題:理論與實(shí)踐
- 從零構(gòu)建大模型
- 解碼智能時(shí)代2021:來(lái)自未來(lái)的數(shù)智圖譜
- 機(jī)器學(xué)習(xí)與學(xué)習(xí)資源適配
- Python3智能數(shù)據(jù)分析快速入門
- ChatGPT手冊(cè):初學(xué)者指南與應(yīng)用實(shí)戰(zhàn)
- 深度學(xué)習(xí)與圖像識(shí)別:原理與實(shí)踐
- 巧用ChatGPT輕松玩轉(zhuǎn)新媒體運(yùn)營(yíng)
- 因果推斷:基于圖模型分析
- 2040大預(yù)言:高科技引擎與社會(huì)新秩序
- 機(jī)器學(xué)習(xí)編程:從編碼到深度學(xué)習(xí)
- DeepSeek一本通
- 深度學(xué)習(xí)