15
2.3 稀疏表示
• 如果长度为N的信号X，在变换域K个系数 不为零（或者明显不大于其他系数），且 K<<N ，那么可以认为信号X在域中是稀 疏的并可记为K-稀疏。
16
2.3 稀疏表示
17
2.3 稀疏表示
18
2.3 稀疏表示
• 研究现状： 1.多种变换域分析方法为稀疏表示提供了可 能。 2.许多信号，诸如自然图像，本身就存在着 变换域稀疏性。 3.信号在冗余字典下的稀疏表示
29
管道泄漏检测
30
3.2 展望
目前，压缩感知理论仍处于发展阶段，有很多关键问题尚待 解决，如:
（1）探索测量矩阵的必要条件，构造确定性矩阵；
（2）如何硬件实现压缩感知的过程； （3）提高现有重建算法恢复质量、速度，论证算法理论基 础，保证其收敛，增强鲁棒性； （4）设计不同环境下的重建算法； （5）设计移动压缩传感器等。
10
1.2 研究现状
西安电子科技大学石光明教授，发表综述文章 燕山大学练秋生教授课题组，针对压缩感知的稀 疏重建算法进行研究 中科院电子所的方广有研究员等，探索了压缩感 知理论在探地雷达三维成像中的应用。 除此之外，还有很多国内学者在压缩感知方面做 了重要的工作，如清华大学、天津大学、国防科 技大学、厦门大学、湖南大学、西南交通大学、 南京邮电大学、华南理工大学、北京理工大学、 北京交通大学、北京化工大学等等单位。
33
4 主要工作及成果
1
提出了基于快速贝叶斯匹配追踪(FBMP)重构的一维压 缩采样方法，能够实现压缩与采样同步进行，并能得到 短时扰动信号的高信噪比重构。
2
研究了基于Gabor原子库和匹配追踪重构的一维压缩 采样方法，能够实现暂态和短时扰动信号的高信噪比重 构，重构误差较小。
34
5 结论
3
提出了基于压缩感知理论的电能质量扰动信号二维压缩 采样方法，该方法对电能质量扰动信号的重构效果优于 一维方法，能实现单一扰动和多重扰动的准确重构，重 构信号能满足电能质量分析的要求。
2006《Compressed Sensing》David Donoho
2007《Compressive Sensing》Richard Baraniuk 上述文章奠定了压缩感知的理论基础。国内也将 其翻译成压缩传感或压缩采样。
8
1.1研究现状
传统方法
压缩感知
9
1.2 研究现状
• 理论一经提出，就在信息论、信号处理、图像处 理等领域受到高度关注。 • 在美国、英国、德国、法国、瑞士、以色列等许 多国家的知名大学(如麻省理工学院、斯坦福大学、 普林斯顿大学、莱斯大学、杜克大学、慕尼黑工 业大学、爱丁堡大学等等)成立了专门的课题组对 CS进行研究。 • 莱斯大学还建立了专门的CompressiveSensing 网站，及时报道和更新该方向的最新研究成果。
Introduction to Compressive Sensing 压缩感知概述
北京化工大学
1
目录
1. 2. 3.
背景现状 压缩感知描述 应用展望
4.
主要工作及成果
2
一、背景现状
2015/8/31
1.1理论产生背景
传统图像处理过程：
采样数据
采样
数据传输
恢复图像ห้องสมุดไป่ตู้
发的 压缩
数据传输
解压缩
通过显示器 显示图像
4
提出了基于压缩感知理论的电能质量扰动参数估计方法 ，能实现采样与压缩同步进行、重构与检测同时完成。 仿真实验结果表明，该方法估计准确，鲁棒性强，有很 强的抗噪声能力。并通过实验，得出压缩感知理论比小 波变换更适合于分析电能质量扰动的结论。
35
致
谢 ！
北京化工大学
36
13
2.2压缩感知基本步骤
找到某个正 交基Ψ ，信 号在该基上 稀疏
找到一个与 Ψ 不相关， 且满足一定 条件的观测 基Φ
以Φ观测真 实信号，得 到观测值Y
对Y采用最 优化重构， Ψ Φ均是其 约束。
• 研究内容：
稀疏基 测量矩阵 重构算法
14
2.3 稀疏表示
• 如果一个信号中只有少数元素是非零的， 则该信号是稀疏的。通常时域内的信号是 非稀疏的，但是在某个变换域可能是稀疏 的。
21
2.5 重构算法
重构是基于如下严格的数学最优化（Optimization）问题：
信号重构过程一般转换为一个最小L0 范数的优化问题 求解方法主要有最小L1 范数法、匹配追踪系列算法、最小 全变分方法、迭代阈值算法等。
22
三、应用展望
2015/8/31
3.1应用领域
硬件实现 信息论 信号/图像处理 光学/雷达成像 医疗超声成像 地质勘探 模式识别 无线通信 应用范围
19
2.4 测量矩阵
20
2.4 测量矩阵
观测基的意义： 保证能够从观测值准确重构信号，其需要满足一定 的限制： 1、观测基矩阵与稀疏基矩阵的乘积满足RIP性质 （有限等距性质）这个性质保证了观测矩阵不会把 两个不同的K稀疏信号映射到同一个集合中。 2、约束等距性条件的等价条件是测量矩阵和稀疏 表示基不相关 一般用随机高斯矩阵作为观测矩阵。
24
* 压缩感知应用于光学成像的首个实际系统是Rice大学的“单像
素相机”。
* 由于该相机直接获取的是 M次随机线性测量值，而不是获取原
始信号的 N( M<<N) 个像素值，因此为低像素相机拍摄高质量 图像提供了可能。
如下图：利用小波多尺度变换对 Pepper 图像进行处理，利用标准高斯 随机矩阵作为测量矩阵 Φ，对稀疏化后的数据进行随机测量，使用改 进的 OMP 算法对测量后的数据进行图像重建。
理要求必须以信号带宽 2倍的速率进行 采样。
丢弃采样时造成很大的资源浪费能否直 接采集不被丢弃的信息？
*思考？：大部分冗余信息在采集后被
6
1.1理论产生背景
被感知对象
压缩感知
重建信号
压缩感知(压缩传感，Compressive Sensing)理论是近年来信号处理领域 诞生的一种新的信号处理理论，由D. Donoho(美国科学院院士)、E. Candes(Ridgelet, Curvelet创始人)及华裔科学家T. Tao(2006年菲尔兹奖获得者)等人 提出，自诞生之日起便极大地吸引了相关研究人员的关注。
名词解释：压缩感知—直接感知压缩后的信息
缩性），就能以较低的频率（远低于奈奎斯特采样频率） 采样该信号，并可能以高概率重建该信号。
7
基本方法：信号在某一个正交空间具有稀疏性（即可压
1.1 理论产生背景
2006《Robust Uncertainty Principles： Exact Signal Reconstruction from Highly Incomplete Frequency Information》 Terence Tao、Emmanuel Candè s
4
1.1理论产生背景
采样方法
传统时频分析方法以 Nyquist采样定理为 支撑
数据压缩
无损压缩： 有损压缩： 无损与有损压缩相结 合
采样率高，硬件实现 成本大。
离不开Nyquist定理 指导下的采样框架体系 ，这种高速采样再压缩 的过程造成大量采样资 源的浪费。
5
1.1理论产生背景
*传统Nyquist采样定理： Nyquist 采样定
11
二、压缩感知描述
2015/8/31
2.1基本理论依据
• 理论依据：长度为N的 信号X在某个正交基Ψ 上是K-稀疏的， • 如果能找到一个与Ψ 不 相关（不相干）的观测 基 Φ， • 用观测基Φ观测原信号 得到M个观测值， K<M<<N ，得到观测 值Y， • 那么可以利用最优化方 法从观测值中高概率重 构X。
31
四、压缩感知电能质量信 号采样与检测方法
2015/8/31
压缩感知电能质量信号采样与检测方法
首次将压缩感知理论应用于电能质量分析领域。 重点关注压缩感知理论在信号压缩和测量值应用两
个方面的研究。 研究算法实现将压缩采样后得到的测量值直接用于后 期电能质量信号的检测定位，具有非常重要的意义。
采样率为1%
采样率为5%
采样率为10%
采样率为15%
采样率为45%
Pepper 图像经过多尺度小波变换后只要保留 5%的系数， 即可较好地重建图像，证明了压缩感知算法的有效性。
基于小波基的CS图像重建示例图
管道泄漏检测：
测量矩阵：构造的结构化测量矩阵 稀疏表示：sym8小波基 重构算法：正交匹配追踪算法( OMP) ，部分 重构，获得稀疏向量中一些显著分量β^