基于Logistic混沌Bernoulli测量矩阵的压缩感知研究
压缩感知中测量矩阵是数据采样和信号重构的关键,传统测量矩阵存在重构计算复杂度高、内存耗用大和随机不可控等问题.利用Logistic混沌序列优良的随机特性,对Bernoulli测量矩阵进行改进,提出一种复杂度较低的混沌Bernoulli测量矩阵.首先通过Logistic混沌系统产生混沌序列,然后运用符号函数进行映射生成Bernoulli分布的随机序列,最后将其构造为测量矩阵并在一维信号和二维图像的采样、重构中应用.仿真结果表明,基于Logistic混沌Bernoulli测量矩阵在大幅降低存储容量与计算复杂度的情况下,提高了精确性与鲁棒性.
压缩感知、测量矩阵、混沌序列、Logistic系统、稀疏采样
15
TP305(计算技术、计算机技术)
2019-10-30(万方平台首次上网日期,不代表论文的发表时间)
共3页
250-252