基于Legendre序列的确定性测量矩阵

计算机工程与应用 ›› 2016, Vol. 52 ›› Issue (16): 116-120.

基于Legendre序列的确定性测量矩阵

崔翔，万洪杰，肖亮，谢晓明

北京化工大学信息科学与技术学院，北京 100029

出版日期:2016-08-15 发布日期:2016-08-12

Legendre sequence based deterministic measurement matrix

CUI Xiang, WAN Hongjie, XIAO Liang, XIE Xiaoming

College of Information Science and Technology, Beijing University of Chemistry Technology, Beijing 100029, China

Online:2016-08-15 Published:2016-08-12

摘要/Abstract

摘要： 近年来，压缩感知理论飞速发展。很多压缩感知的应用中，信号的测量可以通过卷积滤波和之后的二次采样完成。在此基础上，实现了一种由勒让德（Legendre）序列构造的矩阵。该矩阵在经过二次采样之后，得到一种新的确定性测量矩阵。对于一个K-稀疏的信号，通过该测量矩阵可以对信号进行稳定的恢复重建。据仿真结果显示，在对K-稀疏信号进行恢复的过程中，该测量矩阵的恢复效果与高斯随机测量矩阵的应用效果相当。

关键词: 确定性测量矩阵, 卷积压缩感知, 相关性, 勒让德序列

Abstract: For the past few years, Compressed Sensing（CS） has been developed very fast. In many applications of CS, the data measurement can be achieved by filtering and sub-sampling. In this paper, a new matrix with Legendre Sequence is constructed, which is based on Convolutional Compressed Sensing. After sub-sampling, a new deterministic measurement matrix is gotten. For signals that are sparse, the proposed matrix can guarantee a stable recovery. The results show that, the proposed matrix can offer comparable performance with a random Gaussian matrix in K-sparse signal reconstruction.

Key words: deterministic matrix, convolutional compressed sensing, coherence, Legendre sequence

崔翔，万洪杰，肖亮，谢晓明. 基于Legendre序列的确定性测量矩阵[J]. 计算机工程与应用, 2016, 52(16): 116-120.

CUI Xiang, WAN Hongjie, XIAO Liang, XIE Xiaoming. Legendre sequence based deterministic measurement matrix[J]. Computer Engineering and Applications, 2016, 52(16): 116-120.

[1]	杨力，吴义，魏德宾，潘成胜. 基于时空相关性的卫星网络流量预测[J]. 计算机工程与应用, 2021, 57(7): 101-106.
[2]	张杰，常天庆，郭理彬，张雷，马金盾. 基于跟踪异常与相关性检验的目标丢失判断[J]. 计算机工程与应用, 2021, 57(18): 204-212.
[3]	刘虹，王烈. 结合余弦相关性的卷积网络识别汉字的方法[J]. 计算机工程与应用, 2020, 56(8): 130-135.
[4]	王晶晶，杨有龙. 针对弱标记数据的多标签分类算法[J]. 计算机工程与应用, 2020, 56(5): 65-73.
[5]	郭莎莎，李爽，阎红灿. 已知时间的空间文本skyline查询[J]. 计算机工程与应用, 2020, 56(24): 59-65.
[6]	陈朝辉，杨湘，李鹏，何亨. 流内编码中考虑链路相关性的机会路由机制[J]. 计算机工程与应用, 2020, 56(24): 85-94.
[7]	向敏，戴柯宇，周恩，刘榆，雷儒杰. 面向物联网终端的任务相关性调度策略[J]. 计算机工程与应用, 2020, 56(23): 95-102.
[8]	高琦，李红娇. 面向用电数据的周期敏感度差分隐私保护方法[J]. 计算机工程与应用, 2020, 56(20): 73-81.
[9]	杨飞跃，陶洋. 时空协作的WSNs节点异常检测算法[J]. 计算机工程与应用, 2019, 55(7): 127-131.
[10]	孙登第1，孟欠欠1，2，马云鹏1，2. 图正则化迁移稀疏概念编码的跨域图像分类[J]. 计算机工程与应用, 2019, 55(6): 197-203.
[11]	李锋，杨有龙. 基于标签特征和相关性的多标签分类算法[J]. 计算机工程与应用, 2019, 55(4): 48-55.
[12]	安纪存，吕鑫，季琳雅. 不完全数据下基于时空相关性拥堵预测方法[J]. 计算机工程与应用, 2019, 55(4): 96-100.
[13]	刘亮，张霖，杨柳，庞瑞琴，汪涛. 数据中心网络中相关感知流量整合算法[J]. 计算机工程与应用, 2019, 55(24): 62-67.
[14]	郭东昕，陈开颜，张阳，宋世杰，郭惠东. 密码芯片无原型旁路分析安全评估方法研究[J]. 计算机工程与应用, 2019, 55(22): 69-72.
[15]	黄冬梅，张晓桐，张明华，宋巍. 全局判别与局部稀疏保持HSI半监督特征提取[J]. 计算机工程与应用, 2019, 55(20): 184-191.