奈奎斯特采樣定理與壓縮感知

姓名:蘇彥愷

學號:14020150008

【嵌牛導讀】:傳統(tǒng)的奈奎斯特采樣定律隨著數(shù)字信號處理技術的發(fā)展,其缺陷以及應用上的不便日漸凸顯,壓縮感知技術應運而生。本文依據(jù)《數(shù)字信號處理》課程所學,對奈奎斯特采樣定理進行了原理以及上的概述,同時在本文的后半部分,對壓縮感知這一新式的信號處理技術進行了簡單介紹。在本文的末尾,依據(jù)奈奎斯特采樣定理與壓縮感知原理上的異同進行了優(yōu)缺點的分析,同時對壓縮感知的發(fā)展進行了展望。

【嵌牛鼻子】:數(shù)字信號處理;奈奎斯特采樣定理;壓縮感知;稀疏矩陣

【嵌牛提問】:什么是壓縮感知?與傳統(tǒng)的奈奎斯特采樣定理相比,壓縮感知有什么樣的特點和優(yōu)勢?

【嵌牛正文】:

奈奎斯特采樣定理部分

一、概述

在數(shù)字信號處理領域中,采樣定理是連續(xù)時間信號(通常稱為“模擬信號”)和離散時間信號(通常稱為“數(shù)字信號”)之間的基本橋梁。該定理說明采樣頻率與信號頻譜之間的關系,是連續(xù)信號離散化的基本依據(jù)。 它為采樣率建立了一個足夠的條件,該采樣率允許離散采樣序列從有限帶寬的連續(xù)時間信號中捕獲所有信息

二、基本原理:

在進行模擬/數(shù)字信號的轉(zhuǎn)換過程中,當采樣頻率fs.max大于信號中最高頻率fmax的2倍時(fs.max>=2fmax),采樣之后的數(shù)字信號完整地保留了原始信號中的信息,一般實際應用中保證采樣頻率為信號最高頻率的5~10倍;采樣定理又稱奈奎斯特定理。

要使實信號采樣后能夠不失真還原,采樣頻率必須大于信號最高頻率的兩倍。

當用采樣頻率F對一個信號進行采樣時,信號中F/2以上的頻率不是消失了,而是對稱的映象到了F/2以下的頻帶中,并且和F/2以下的原有頻率成分疊加起來,這個現(xiàn)象叫做“混疊”(aliasing).

消除混疊的方法有兩種:

1.提高采樣頻率F,即縮小采樣時間間隔.然而實際的信號處理系統(tǒng)不可能達到很大的采樣頻率,處理不了很多的數(shù)據(jù).另外,許多信號本身可能含有全頻帶的頻率成分,不可能將采樣頻率提高到無窮大.所以,通過采樣頻率避免混疊是有限制的.

2.采用抗混疊濾波器.在采用頻率F一定的前提下,通過低通濾波器濾掉高于F/2的頻率成分,通過低通濾波器的信號則可避免出現(xiàn)頻率混疊.

公式:C = B * log2 N ( bps )

三、應用

采樣定理通常針對單個變量的函數(shù)進行公式化。因此,定理可直接適用于時間相關的信號,并且通常在該上下文中公式化。然而,采樣定理可以以直接的方式擴展到任意多個變量的函數(shù)。

灰度圖像通常表示為代表位于行和列采樣位置的交叉處的像素(圖像元素)的相對強度的實數(shù)的二維陣列(或矩陣)。因此,圖像需要兩個獨立變量或索引,以指定每個像素唯一一個用于行,一個用于列。

彩色圖像通常由三個單獨的灰度圖像的組合構成,一個代表三原色(紅色,綠色和藍色)或簡稱RGB中的每一個。對于顏色使用3向量的其他顏色空間包括HSV,CIELAB,XYZ等。諸如青色,品紅色,黃色和黑色(CMYK)的一些顏色空間可以通過四維表示顏色。所有這些都被處理為二維采樣域上的向量值函數(shù)。

類似于一維離散時間信號,如果采樣分辨率或像素密度不足,圖像也可能遭受混疊。例如,具有高頻率(換句話說,條紋之間的距離?。┑臈l紋襯衫的數(shù)碼照片可以在襯衫被照相機的圖像傳感器采樣時導致襯衫的混淆。對于這種情況,在空間域中采樣的“解決方案”將是更靠近襯衫,使用更高分辨率的傳感器,或者在用傳感器采集圖像之前對圖像進行光學處理

圖1.1奈奎斯特采樣在圖像處理的應用

壓縮感知部分

一、概述

壓縮感知(Compressed sensing),也被稱為壓縮采樣(Compressivesampling)或稀疏采樣(Sparse sampling),是一種尋找欠定線性系統(tǒng)的稀疏解的技術。壓縮感知被應用于電子工程尤其是信號處理中,用于獲取和重構稀疏或可壓縮的信號。這個方法利用訊號稀疏的特性,相較于奈奎斯特理論,得以從較少的測量值還原出原來整個欲得知的訊號。MRI就是一個可能使用此方法的應用。這一方法至少已經(jīng)存在了四十年,由于David Donoho、Emmanuel Candès和陶哲軒的工作,最近這個領域有了長足的發(fā)展。近幾年,為了因應即將來臨的第五代移動通信系統(tǒng),壓縮感知技術也被大量應用在無線通訊系統(tǒng)之中,獲得了大量的關注以及研究。

二、基本原理

為了更好的說明壓縮感知的基本原理,在這里引入奈奎斯特采樣進行比較說明。

圖2.1奈奎斯特采樣示意圖

如圖2.1所示, 圖b、d為三個余弦函數(shù)信號疊加構成的信號,在頻譜圖(圖a)中只有個峰值。 如果對其進行8倍于全采樣的等間距亞采樣(圖b下方的紅點),則頻域信號周期延拓后,就會發(fā)生混疊(圖c),無法從結(jié)果中復原出原信號。

圖2.2壓縮感知采樣示意圖

而如果采用隨機亞采樣(圖2.2b上方的紅點),那么這時候頻域就不再是以固定周期進行延拓了,而是會產(chǎn)生大量不相關的干擾值。如圖2.2c,最大的幾個峰值還依稀可見,只是一定程度上被干擾值覆蓋。這些干擾值看上去非常像隨機噪聲,但實際上是由于三個原始信號的非零值發(fā)生能量泄露導致的(不同顏色的干擾值表示它們分別是由于對應顏色的原始信號的非零值泄露導致的)。得到如圖2.2d的頻譜圖后,再采用匹配追蹤的算法,就可以對信號進行恢復。以上就是壓縮感知理論的核心思想——以比奈奎斯特采樣頻率要求的采樣密度更稀疏的密度對信號進行隨機亞采樣,由于頻譜是均勻泄露的,而不是整體延拓的,因此可以通過特別的追蹤方法將原信號恢復。

三、應用

1、全息成像

全息成像是一種記錄被攝物體反射(或透射)光波中全部信息(振幅、相位)的照相技術,而物體反射或者投射的光線可以通過記錄膠片完全重建,通過不同方位和角度觀察照片,可以看到被拍攝的物體的不同的角度,因此記錄得到的想可以使人產(chǎn)生立體視覺。然而全息圖記錄的立體信息非常龐大,在滿足傳統(tǒng)的香農(nóng)采樣定理進行采樣時很難達到的帶寬及存儲和傳輸這些信息成為限制全息術發(fā)展的難題。

壓縮感知技術為傳統(tǒng)的信息采樣傳輸帶來了革命性的突破,為信號的計算和傳輸節(jié)省了很大資源。利用壓縮感知可以去掉大量沒有實際意義的信息采樣,通過遠低于傳統(tǒng)采樣樣本點就可以重構出原始信號,解決了全息術在數(shù)據(jù)存儲和傳輸方面的限制。

2、核磁共振成像

核磁共振成像作為一種極其重要的醫(yī)學成像技術,具有對病灶診斷精確、對人體安全性高等優(yōu)點,但是較長的數(shù)據(jù)采集時間成為其廣泛應用的瓶頸。因此,在保證成像質(zhì)量的前提下,探索一種新的快速成像方法迫在眉睫。壓縮感知作為一種全新的信號采樣理論,針對稀疏信號或可壓縮信號,可以在采樣數(shù)量遠少于傳統(tǒng)采樣方式的情況下精確地恢復出原始信號,這就為核磁共振圖像的快速獲取提供了一種新的思路。

四、奈奎斯特和壓縮感知的對比

從采樣的角度來看,壓縮感知和基于奈奎斯特采樣定理的傳統(tǒng)信號采集是兩種不同形式的信號采集方式。(壓縮感知打破了傳統(tǒng)信號處理中對于奈奎斯特采樣要求的限制)

1.采樣率:在壓縮感知理論下,信號的采樣率不再取決于信號的帶寬,而是取決于信息在信號中的結(jié)構與內(nèi)容(稀疏性)。關于采樣率的計算方式,壓縮感知是從少量離散測量數(shù)據(jù)恢復離散數(shù)字信號,其計算方式為采樣率=測量值的大小/恢復信號的大??;而傳統(tǒng)信號采集是從離散采樣數(shù)據(jù)中恢復模擬信號。

2.信號采集方式:傳統(tǒng)采樣理論是通過均勻采樣獲取數(shù)據(jù);壓縮感知則通過計算信號與一個觀測函數(shù)之間的內(nèi)積來獲得觀測數(shù)據(jù)。

3.恢復信號形式:傳統(tǒng)采樣定理關注的對象是無限長的連續(xù)信號;壓縮感知是有限維觀測向量空間的向量即離散信號。

4.恢復信號方式:傳統(tǒng)采樣恢復是在奈奎斯特采樣定理的基礎上,通過采樣數(shù)據(jù)的sinc函數(shù)線性內(nèi)插獲得,而壓縮感知采用的是利用信號的稀疏性,從線性觀測數(shù)據(jù)中通過求解一個非線性的優(yōu)化問題來恢復信號的方法。

5.壓縮感知的核心思想:壓縮和采樣合并進行,并且測量值遠小于傳統(tǒng)采樣方法的數(shù)據(jù)量,突破香農(nóng)采樣定理的瓶頸,使高分辨率的信號采集成為可能。

總結(jié)

奈奎斯特采樣定理一直是信號處理領域的金科玉律,但其性能仍沒法滿足諸如全息成像、核磁共振等產(chǎn)生龐大數(shù)據(jù)的技術的信息恢復。然而在數(shù)字信號處理領域進入二十一世紀以后,壓縮感知技術帶來了顛覆性的改變,以比奈奎斯特采樣頻率要求的采樣密度更稀疏的密度對信號進行隨機亞采樣,通過特別的追蹤方法將原信號恢復,使得用于恢復信號的數(shù)據(jù)量遠少于傳統(tǒng)采樣所需要的數(shù)據(jù)量。壓縮感知理論的誕生已經(jīng)對計算科學、信號處理、電子信息等領域產(chǎn)生重大的影響,其理論具有廣闊的應用前景,但仍然不夠完善,希望在今后的研究中能彌補壓縮感知現(xiàn)有的不足,展現(xiàn)其強大的生命力,為更多難題提供新的解決方法。

最后編輯于
?著作權歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成,瀏覽時請結(jié)合常識與多方信息審慎甄別。
平臺聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點,簡書系信息發(fā)布平臺,僅提供信息存儲服務。

相關閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容