基于壓縮感知的重構(gòu)算法研究及其VLSI實(shí)現(xiàn).pdf

1、壓縮感知(Compressive Sensing，CS)理論是近年來在信號(hào)處理領(lǐng)域新興起的一門理論，該理論指出在信號(hào)滿足稀疏性的情況下，能夠以低于奈奎斯特(Nyquist)采樣速率的速度對(duì)信號(hào)進(jìn)行觀測(cè)，只需要獲取較少的數(shù)據(jù)點(diǎn)就能夠通過重構(gòu)算法精確的恢復(fù)信號(hào)，如此優(yōu)越的特質(zhì)使其有著廣闊的應(yīng)用前景，并得到了廣泛的研究。重構(gòu)算法研究是壓縮感知理論的重要組成部分，國(guó)內(nèi)外學(xué)者也進(jìn)行了大量的研究，主要集中在三個(gè)方向，一類是凸優(yōu)化算法、一類是貪婪算法

2、、一類是組合算法。其中的貪婪算法，計(jì)算復(fù)雜度小、重構(gòu)速度快、易于實(shí)現(xiàn)，使其更加利于實(shí)際應(yīng)用。
　　本文通過對(duì)不同的貪婪算法的仿真分析，在性能優(yōu)越的子空間追蹤算法(Subspace Pursuit，SP)基礎(chǔ)上，綜合考慮性能，重構(gòu)時(shí)間和實(shí)現(xiàn)面積等因素，對(duì)算法進(jìn)行了改進(jìn)和優(yōu)化，設(shè)計(jì)實(shí)現(xiàn)了一種重構(gòu)算法加速器。將SP算法中的兩次最小二乘操作優(yōu)化為一次最小二乘操作，降低了計(jì)算復(fù)雜度和實(shí)現(xiàn)面積，并減小了重構(gòu)時(shí)間，同時(shí)很好的保證了重構(gòu)精確度。在

3、具體的硬件實(shí)現(xiàn)過程中，矩陣取逆采用ACD(Alternative CholeskyDecomposition)算法，并將該算法設(shè)計(jì)成脈動(dòng)陣列結(jié)構(gòu)，從而提高了電路性能。對(duì)于硬件實(shí)現(xiàn)的復(fù)雜單元除法器，采用了移位和減法來代替，從而去除了關(guān)鍵路徑延時(shí)，并減小了實(shí)現(xiàn)面積。通過復(fù)用ACD算法模塊中的乘法器單元完成其他模塊中的乘法操作進(jìn)一步的減小了實(shí)現(xiàn)面積。本文設(shè)計(jì)的重構(gòu)算法加速器，采用長(zhǎng)度為64的觀測(cè)信號(hào)，利用高斯隨機(jī)分布矩陣，對(duì)信號(hào)長(zhǎng)度為256、