论文部分内容阅读
传统的压缩感知理论主要考虑一维稀疏信号的感知和重构。当待处理信号是二维（2 dimension,2D）或多维时,若直接将信号向量化处理,会造成感知矩阵维度急剧变大,使得存储和后续的重构复杂度大大增加,同时重构性能下降。为实现对2D信号的高效感知和快速重构,本文首先构建一个针对2D信号的模拟信息转换（Analog-to-Information Conversion,AIC）感知框架,通过行、列同时感知的策略实现量测值获取,以达到降低量测值存储维度的目的;其次针对压缩采样后的量测数据,提出一种2D快速迭代收缩