数据压缩算法研究(2)

　　d=%Z+%[t+%g，%g∈（0，%]2）（1.5）

　　对上式参数采用最小二乘法进行线性拟合，得到%Z，%[的估计值分别为：

　　（1.6）

　　得到回归方程：

　　（1.7）

　　3小波变换

　　小波变换在时域频域都具有表征信号局部特征的能力和多分辨率分析的特点，论文范文它将原始信号伸缩和平移，分解为一系列频率不同的子带信号，这些子带信号具有良好的时域、频域等局部特征。这些特征可用来表示原始信号的局部特征，进而实现对信号时间、频率的局部化分析，压缩后数据失真更小，压缩效率也更高。

　　小波变换将信号表示成基函数的线性组合，其基函数是具有紧支集的母函数，对母函数伸缩和平移可以得到小波序列。

　　（2.1）

　　其中a为伸缩因子，b为平移因子。

　　对于任意函数F（t）属于L2（R）的连续小波变换为：

　　Wf（%Z，b）=fflF，%q%Z，bffl=|%Z|1/2RF（t）%q*·（）dt （2.2）

　　其逆变换为：

　　F（t）=Wf（%Z，b）%q（）d%Zdb （2.3）

　　基本小波函数的选择取决于实际应用，小波函数在几何形状必须是振荡函数和迅速收敛的函数。尺度因子和平移因子的不同会给小波函数的几何形状带来很大的变化。

　　4压缩感知

　　对某一信号 f 进行采样实际上就是将该信号同一系列波形进行内积运算。例如：奈奎斯特采样就是信号 f 与一组频率大于2 f 的脉冲信号的内积。

　　yk，k=1，……，m （3.1）

　　压缩感知采用波形数目远小于信号维数的采样信号对信号 f 进行欠采样。得到的信号采样值的数目m远小于原始信号 f 的维数n。因此压缩感知在采样的同时实现了对信号的压缩。

　　压缩感知将n维可压缩信号x∈k通过采样矩阵%O∈Cm，n（m<　　y=%Ox （3.2）

　　如果信号 f 在域是稀疏的，那么式（5）就可以写为

　　y=%Ox=%O%ox=Ax （3.3）

　　其中x为信号 f 在%o域的系数，A=%O%o是一个m譶阶的矩阵，称之为感知矩阵。

　　Candes和Tao指出采样矩阵%O需要满足一定的约束等距条件，如果测量矩阵%O的约束等距常数满足HQ2k+HQ3k<1，则能够从k·log（n /k）个测量值中精确恢复出原始信号。

　　定义：对于矩阵%O∈Cm，n（m<　　（3.4）

　　论文榜（www.zglwb.com），是一个专门从事期刊推广、投稿辅导的网站。
本站提供如何投稿辅导，寻求投稿辅导代理，快速投稿辅导，投稿辅导格式指导等解决方案：省级投稿辅导/国家级投稿辅导/核心期刊投稿辅导//职称投稿辅导。


期刊鉴别	论文检测	免费论文	特惠期刊	学术答疑	发表流程

搜索

数据压缩算法研究(2)