...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Signal processing >Compressive measurements generated by structurally random matrices: Asymptotic normality and quantization
【24h】

Compressive measurements generated by structurally random matrices: Asymptotic normality and quantization

机译：由结构随机矩阵生成的压缩测量：渐近正态性和量化

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Structurally random matrices (SRMs) are a practical alternative to fully random matrices (FRMs) when generating compressive sensing measurements because of their computational efficiency and their universality with respect to the sparsifying basis. In this work we derive the statistical distribution of compressive measurements generated by various types of SRMs, as a function of the signal properties. We show that under a wide range of conditions, that distribution is a mixture of asymptotically multi-variate normal components. We point out the implications for quantization and coding of the measurements and discuss design considerations for measurements transmission systems. Simulations on real-world video signals confirm the theoretical findings and show that the signal randomization of SRMs yields a dramatic improvement in quantization properties.
机译：当生成压缩感测测量时，结构随机矩阵（SRM）是完全随机矩阵（FRM）的一种实用替代方案，因为它们的计算效率高且相对于稀疏性通用。在这项工作中，我们推导出由各种类型的SRM生成的压缩测量值的统计分布，作为信号属性的函数。我们表明，在广泛的条件下，该分布是渐近多元正态分量的混合。我们指出了测量值的量化和编码的含义，并讨论了测量传输系统的设计注意事项。对真实视频信号的仿真证实了理论上的发现，并表明SRM的信号随机化在量化特性方面产生了显着改善。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号