24小时热门版块排行榜    

查看: 1820  |  回复: 15

leo_ll

新虫 (初入文坛)

[求助] 压缩感知如何应用于数据恢复? 已有1人参与

小白一个,刚刚看了几篇信号恢复的文章请教一个问题。
文中提到,y = Rf, y为不完全地震数据,f 希望恢复的完整地震数据, R 由(0,1)组成的采样矩阵,即采样点处的对应值为1,不采样点处为0。
后面就是关于一堆f的变换和讨论,傅里叶,小波,DCT啥的。

问题是:R矩阵如何选取才能满足条件?

我看了一些关于图像处理或者信号处理的文章,我感觉大概都是一些“正”问题,即,知道了原始图像X,用随机矩阵D,压缩成百分比多少的Y。
然后用贪婪算法或者其它算法恢复出X的过程。也就是已知结果的压缩恢复过程。

但是我提出的问题是,现在只知道y,需要还原f的过程。似乎跟上面的图像处理过程不太一样。

请各位大侠帮忙解惑,谢谢!!
回复此楼

» 猜你喜欢

» 本主题相关价值贴推荐,对您同样有帮助:

已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖
回帖支持 ( 显示支持度最高的前 50 名 )

wzp1993

木虫 (正式写手)

y=Φx=Φψs=Θs,
第一个等式中,x为原始信号,Φ为感知阵也就是测量矩阵,其中Φ行数m远小于n,也就是采样过程;
第二个等式中,x在字典ψ下可以稀疏分解为稀疏向量s;
第三个等式,Θ=Φψ。

首先,n维原始值x通过测量矩阵Φ得到m维观测值y,m远小于n
我们需要做的就是用y恢复得到x,由于方程y=Φx中,y的维数小于x,所以方程是欠定方程,直接求解x有无数个解,也就是解不唯一,无法恢复我们需要的x,在此定义得到的解集为X。
但对于欠定方程,如果对它加上一些条件,也就是对方程正则化,解x就是唯一的了,我们对方程加上约束条件,y=Φx,s.t. min‖x‖,也就是寻找解集X中最稀疏的解,这样就唯一了,此时得到的x不是我们需要的,到这一步只是说明我们通过数学方法可以得到稀疏解。
那么为了恢复原始信号x,我们必须要求x具有稀疏特性,也就是x=Ψs,根据上述内容,虽然方程y=Θs仍然是欠定方程,但通过正则化,我们可以求得稀疏向量s,这个就是我们需要的s了,然后x=Ψs,就可以求得x啦!

至于观测阵Φ的要求就是满足RIP特性(约束等距性条件),比如高斯随机矩阵就满足

发自小木虫Android客户端
7楼2016-10-15 17:21:56
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

goodlife2004

铜虫 (正式写手)

引用回帖:
12楼: Originally posted by leo_ll at 2016-10-18 08:44:56
现在已知y啊?现在y是观测到的不完全数据,只包含部分解(缺少5,8两个位置的信息),恢复x应该是10个样点的数据,用x乘以基矩阵得到完全数据吧。...

建议你先找个综述类文献看看,你对这个了解太少了

发自小木虫Android客户端
13楼2016-10-18 09:08:17
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖
普通回帖

leo_ll

新虫 (初入文坛)

自己顶一个
2楼2016-10-14 11:03:12
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

congyiyang

银虫 (文坛精英)

没看懂 等于你原始数据不完整?要补全?

发自小木虫IOS客户端
3楼2016-10-14 11:37:53
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

ibaojr

木虫 (知名作家)

土鳖

【答案】应助回帖

★ ★ ★
感谢参与,应助指数 +1
leo_ll: 金币+3, 有帮助, 没有完全解决问题 2016-10-24 08:36:28
数据不完全来近似回复数据的话,应该是不定矩阵方程的最小二乘解,可以参考相关数学解法试试看
何不潇洒衰一回
4楼2016-10-14 12:13:04
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

leo_ll

新虫 (初入文坛)

引用回帖:
3楼: Originally posted by congyiyang at 2016-10-14 11:37:53
没看懂 等于你原始数据不完整?要补全?

对,有别人是按照这个思路做的。把y分成已知和未知两个部分作,用已知得到的稀疏系数推广到未知部分。不知道有没有更好的方法。还有的学者在图像插值和超分辨里面,测量矩阵是一个每行只有一个1,其它全是0的矩阵。总感觉这两种方法不是太好,但又说不出啥问题。
5楼2016-10-14 13:05:10
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

wzp1993

木虫 (正式写手)

自己以前看过,但有段时间没看了,可能也不是100%准确。

发自小木虫Android客户端
6楼2016-10-15 16:43:32
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

goodlife2004

铜虫 (正式写手)

y必须是经过压缩采样得到的,普通奈奎斯特得到的不能用压缩感知方法恢复

发自小木虫Android客户端
8楼2016-10-16 15:35:53
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

leo_ll

新虫 (初入文坛)

引用回帖:
7楼: Originally posted by wzp1993 at 2016-10-15 17:21:56
y=Φx=Φψs=Θs,
第一个等式中,x为原始信号,Φ为感知阵也就是测量矩阵,其中Φ行数m远小于n,也就是采样过程;
第二个等式中,x在字典ψ下可以稀疏分解为稀疏向量s;
第三个等式,Θ=Φψ。
首先,n维原始值 ...

比如一个10个样点的信号,其中第5,8两个点缺失,只能得到[1,2,3,4,6,7,9,10]位置的信号,如何恢复呢。如何建立Φ矩阵?
9楼2016-10-18 08:26:52
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

leo_ll

新虫 (初入文坛)

引用回帖:
8楼: Originally posted by goodlife2004 at 2016-10-16 15:35:53
y必须是经过压缩采样得到的,普通奈奎斯特得到的不能用压缩感知方法恢复

y必须经过压缩采阳是啥意思?
10楼2016-10-18 08:28:09
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖
相关版块跳转 我要订阅楼主 leo_ll 的主题更新
信息提示
请填处理意见