Geri Dön

Improvement of greedy algorithms for compressive sensing

Sıkıştırmalı algılama için aç gözlü algoritmaların iyileştirilmesi

  1. Tez No: 423886
  2. Yazar: ISRAA SHAKER TAWFIC
  3. Danışmanlar: YRD. DOÇ. DR. SEMA KAYHAN
  4. Tez Türü: Doktora
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2016
  8. Dil: İngilizce
  9. Üniversite: Gaziantep Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 140

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

  1. 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

  2. On a greedy heuristic for the multicommodity rent-or-buy problem

    Çoklu eşya satın al ya da kirala problemine aç gözlü bir sezgisel

    OSMAN MELİH KÜRTÜNCÜ

    Yüksek Lisans

    İngilizce

    İngilizce

    2014

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMelikşah Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. ALİ ÇİVRİL

  3. Metasezgisel algoritmalarla araç rotalama probleminin modellenmesi

    Modeling of vehicle routing problem with metaheuristic algorithms

    KADİR YILDIZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BİLAL BABAYİĞİT

  4. 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

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDoğu Akdeniz Üniversitesi-Eastern Mediterranean University

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MUHAMMED SALAMAH

    YRD. DOÇ. DR. ADNAN ACAN

    YRD. DOÇ. DR. GÜRCÜ ÖZ