Geri Dön

Robust compressive sensing techniques

Gürbüz sıkıştırılmış algılama teknikleri

  1. Tez No: 360991
  2. Yazar: OĞUZHAN TEKE
  3. Danışmanlar: PROF. DR. ORHAN ARIKAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2014
  8. Dil: İngilizce
  9. Üniversite: İhsan Doğramacı Bilkent Üniversitesi
  10. Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 126

Özet

Sıkıştırılmış Algılama teorisi, eksik belirtilmiş doğrusal gözlemlerden, bilinen bir tabanda seyrek olan bir sinyalin nasıl geri çatılacağını inceler. Fakat gerçekte, parametre uzayının seyrekleştirilmesi, analog-sayısal çeviricilerdeki örnekleme sapması veya modelleme hatası gibi sebepler yüzünden varsayılan ile asıl taban arasında uyumsuzluk vardır. Bu uyumsuzluk sebebiyle verilen bir sinyal varsayılan tabanda seyrek olmayabilir. Bu da geri çatım yöntemlerinin başarımını ciddi bir şekilde düşürür. Bu tezde, taban uyumsuzluğu problemini ortadan kaldırmak için, başarılı seyrek ifadeler elde edebilen özgün iki gürbüz algoritma ve bir değişken seyrekleştirme yapısı sunulmuştur. önerilen tekniklerde seçilmiş taban öğeleri, dik kalan vektörünü azaltacak şekilde uyarlanmışlardır. Parametre Uyarlamalı Dikey Eşleyen Takip (PPOMP) isimli ilk algoritma ızgara-dışılık probleminin çözümünü hedefler ve seçilmiş taban öğelerinin parametrelerini uyarlar. Uyarlamalı Dikey Eşleyen Takip (POMP) isimli önerilen ikinci algoritma ise yapısal olmayan taban uyumsuzluğu problemini hedefler ve seçilmiş taban öğelerine döndürme tabanlı kontrollü bir uyarlama uygular. Detaylı matematiksel analizlere dayanılarak başarılı geri çatım için şartlar türetilmiştir. Benzetim çalışmaları, standart yöntemlere kıyasla hem yapısal hem de yapısal olmayan taban uyumsuzluğu problemlerinde gürbüz bir şekilde çok küçük geri çatım hataları elde edilebildiğini göstermiştir. önerilen uyarlama tekniklerinden farklı olarak, önerilen değişken yapı, kestirilen seyreklik seviyesine bağlı bir şekilde sürekli parametre uzayını ayrıklaştırır. Herhangi bir seyrek çözücü ile öncül bir çözüm elde edildikten sonra yapı, özyineli bir şekilde ana problemi daha seyrek alt problemlere ayırır. Bu sayade her alt problem daha az etkili bir ızgara dışılık problemine maruz kalır. önerilen özyineli yapıda herhangi bir seyrek geriçatım tekniği kullanılabilir. Yaygın bir şekilde kullanılan sıkıştırılmış algılama uygulamalarında gösterildiği üzere, önerilen yapıda kestirilen parametre hatası hemen hemen Cramer-Rao alt sınırına ulaşmıştır.

Özet (Çeviri)

Compressive Sensing theory details how a sparsely represented signal in a known basis can be reconstructed from an underdetermined linear measurements. However, in reality there is a mismatch between the assumed and the actual dictionary due to factors such as discretization of the parameter space defining basis components, sampling jitter in A/D conversion, and model errors. Due to this mismatch, a signal may not be sparse in the assumed basis, which causes significant performance degradation in sparse reconstruction algorithms. To eliminate the mismatch problem, this thesis presents two novel robust algorithm and an adaptive discretization framework that can obtain successful sparse representations. In the proposed techniques, the selected dictionary atoms are perturbed towards directions to decrease the orthogonal residual norm. The first algorithm named as Parameter Perturbed Orthogonal Matching Pursuit (PPOMP) targets the off-grid problem and the parameters of the selected dictionary atoms are perturbed. The second algorithm named as Perturbed Orthogonal Matching Pursuit (POMP) targets the unstructured basis mismatch problem and performs controlled rotation based perturbation of selected dictionary atoms. Based on detailed mathematical analysis, conditions for successful reconstruction are derived. Simulations show that robust results with much smaller reconstruction errors in the case of both parametric and unstructured basis mismatch problem can be obtained as compared to standard sparse reconstruction techniques. Different from the proposed perturbation approaches, the proposed adaptive framework discretizes the continuous parameter space depending on the estimated sparsity level. Once a provisional solution is obtained with a sparse solver, the framework recursively splits the problem into sparser sub-problems so that each sub-problem is exposed to less severe off-grid problem. In the presented recursive framework, any sparse reconstruction technique can be used. As illustrated over commonly used applications, the error in the estimated parameters of sparse signal components almost achieve the Cramer-Rao lower bound in the proposed framework.

Benzer Tezler

  1. Sıkıştırılmış algılama tabanlı yüksek çözünürlüklü radar streç işleme

    Compressive sensing based high resolution radar stretch processing

    İHSAN İLHAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    Elektrik ve Elektronik MühendisliğiTOBB Ekonomi ve Teknoloji Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ALİ CAFER GÜRBÜZ

  2. A new approach for facial expression recognition with an adaptive classification

    Uyarlanabilir sınıflandırma ile yüz ifade tanıma için yeni bir yaklaşım

    ABUBAKAR MUHAMMAD ASHIR

    Doktora

    İngilizce

    İngilizce

    2018

    Elektrik ve Elektronik MühendisliğiSelçuk Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. BAYRAM AKDEMİR

  3. A compressive measurement matrix design for detection and tracking of direction of arrival using sensor arrays

    Algılayıcı dizilimi kullanarak varış açısı sezimi ve takibi için sıkıştırma matrisi dizaynı

    BERK ÖZER

    Yüksek Lisans

    İngilizce

    İngilizce

    2016

    Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ORHAN ARIKAN

  4. Seyreklik ve sözlük öğrenme yaklaşımlarının sınıflandırma ve yüz tanımaya uygulanması

    Classification and face recognition application of sparsity and dictionary learning based methods

    BERNA AZİZOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ENDER METE EKŞİOĞLU

  5. Uncertain linear equations

    Belirsiz denklem sistemleri

    MERT PİLANCI

    Yüksek Lisans

    İngilizce

    İngilizce

    2010

    Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent Üniversitesi

    Elektrik ve Elektronik Mühendisliği Bölümü

    PROF. DR. ORHAN ARIKAN