Improvement of greedy algorithms for compressive sensing
Sıkıştırmalı algılama için aç gözlü algoritmaların iyileştirilmesi
- Tez No: 423886
- Danışmanlar: YRD. DOÇ. DR. SEMA KAYHAN
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Efor EKG sistemi, Veri sıkıştırma, Exercise ECG system, Data compression
- Yıl: 2016
- Dil: İngilizce
- Üniversite: Gaziantep Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Sıkıştırmalı Algılama (CS) veya Sıkıştırmalı Örnekleme, eğer bir işaret veya imge seyrek veya sıkıştırmalı olarak ifade edilebiliyorsa, Nyquist oranının altında daha az sayıda örnek kullanarak geri çatılmasına olanak sağlamaktadır. Çeşitli açgözlü algoritmalar kullanılarak seyrek sinyallerin geri çatılması daha önce de çalışılmıştır. Bu tezde aç gözlü algoritmaların performansını iyileştirmek için; En Az Kısmi Destekli Dik Eşleştirme Algoritması (LS-OMP), Sinyal Bölütleme için En Az Kısmi Destekli Dik Eşleştirme Algoritması (SS-LSOMP), Çoklu Destek Eşleştirme Algoritması (MSMP) ve Kısmi Destek Kümesi Bilinen OMP algoritması (PKLS-OMP) olmak üzere dört yeni algoritma önerilmiştir. Her bir algoritma matematiksel olarak ıspatlanmış ve durdurma koşuluna gore doğrulanmıştır. LS-OMP algoritması, sinyalin geri kazanımını, sinyalin seyreklik bilgisine ihtiyaç duymadan başarabilmektedir. İdeal ve kusursuz K- seyrekli sinyalin geri çatılması için ölçüm matrisinin Kısıtlı İzometri Katsayısı (RIC) iyileştirilmiş ve RIC katsayısının üst sınırı daha esnek yeni bir değere ulaştırılmıştır. SP metodu için önerilen durdurma koşulu daha önceki algoritmalarda önerilen değerlerden çok daha güçlüdür. Ek olarak, Kısmi Olarak Bilinen Destek Kümesinin algoritmaya dahil edilmesi ile önerilen algoritmaların performansı daha da geliştirmiş ve geri çatılma için çok daha az sayıda örneğe ihtiyaç duyulmuştur. Önerilen algoritmaların performansını sergilemek için deneysel sonuçlar sunulmuştur. Sonuçlar, yeni algoritmaların hem gürültülü hem de gürültüsüz ortamlarda daha önceki aç gözlü algoritmalardan çok daha üstün olduğunu göstermiştir.
Özet (Çeviri)
Compressive Sampling or Compressive Sensing (CS) uses fewer measurements or samples than the Nyquist rate to recover signals or images if they are represented as sparse or compressible. Recovering sparse signals using various greedy algorithms are studied previously. In this thesis, four new greedy pursuit algorithms; Least Support Orthogonal Matching (LS-OMP), Split Signal for Least Support OMP (SS-LSOMP), Multiple Supports of Matching Pursuit (MSMP) and Partially Known Least Support OMP (PKLS-OMP) are introduced to improve the performance of the greedy algorithms. Each algorithm is mathematically proved and confirmed according to its own stop condition. The LS-OMP achieves a correct support recovery without requiring sparse knowledge. For ideal and perfect reconstruction of K-sparse signal, the restricted isometric constant (RIC) of sensing matrix is improved and the upper bound of RIC is relaxed to the new value. Proposed stop condition for Subspace Pursuit (SP) method overcomes best result produced by earlier algorithms. Additionally, the inclusion of partially known support improves the performance of the proposed algorithms and requires fewer samples to achieve reconstruction. Experimental results are presented to demonstrate the performance of the proposed greedy algorithms. Results show that the new algorithms significantly outperform commonly employed reconstruction techniques in both clear and noisy environments.
Benzer Tezler
- 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
2017
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. ENDER METE EKŞİOĞLU
- Ayrık optimizasyon problemlerinin çözümü için yeni evrimsel algoritmaların geliştirilmesi ve analizi
Development and analysis of new evolutionary algorithms for solving discrete optimization problems
AYŞEGÜL İHSAN TOKLU
Doktora
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilişim Teknolojileri Mühendisliği Ana Bilim Dalı
DOÇ. DR. TAHİR SAĞ
- Metasezgisel algoritmalarla araç rotalama probleminin modellenmesi
Modeling of vehicle routing problem with metaheuristic algorithms
KADİR YILDIZ
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BİLAL BABAYİĞİT
- Mobil nesnelerin interneti için yeni nesil hücresel ağ tabanlı ağ dilimleme
Next generation cellular network based network slicing for the mobile internet of things
WAFA HAMDI
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HASAN BULUT
PROF. DR. ORHAN DAĞDEVİREN
- Metaheuristic-based approaches for solving the controller placement problem in software-defined wireless sensor networks (SDWSNs)
Yazılımda denetleyici yerleştirme probleminin çözümü için üstsezgisel tabanlı yaklaşımlar - tanımlı kablosuz algılayıcı ağlar (SDWSNs'ler)
NIVINE GÜLER
Doktora
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDogu Akdenız Unıversıtesı-Eastern Medıterranean UnıversıtyBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMED SALAMAH
YRD. DOÇ. DR. ADNAN ACAN
YRD. DOÇ. DR. GÜRCÜ ÖZ