基于壓縮感知的重構算法研究及其VLSI實現(xiàn).pdf

1、壓縮感知(Compressive Sensing，CS)理論是近年來在信號處理領域新興起的一門理論，該理論指出在信號滿足稀疏性的情況下，能夠以低于奈奎斯特(Nyquist)采樣速率的速度對信號進行觀測，只需要獲取較少的數(shù)據(jù)點就能夠通過重構算法精確的恢復信號，如此優(yōu)越的特質(zhì)使其有著廣闊的應用前景，并得到了廣泛的研究。重構算法研究是壓縮感知理論的重要組成部分，國內(nèi)外學者也進行了大量的研究，主要集中在三個方向，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，計算復雜度小、重構速度快、易于實現(xiàn)，使其更加利于實際應用。
　　本文通過對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)基礎上，綜合考慮性能，重構時間和實現(xiàn)面積等因素，對算法進行了改進和優(yōu)化，設計實現(xiàn)了一種重構算法加速器。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，降低了計算復雜度和實現(xiàn)面積，并減小了重構時間，同時很好的保證了重構精確度。在

3、具體的硬件實現(xiàn)過程中，矩陣取逆采用ACD(Alternative CholeskyDecomposition)算法，并將該算法設計成脈動陣列結構，從而提高了電路性能。對于硬件實現(xiàn)的復雜單元除法器，采用了移位和減法來代替，從而去除了關鍵路徑延時，并減小了實現(xiàn)面積。通過復用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一步的減小了實現(xiàn)面積。本文設計的重構算法加速器，采用長度為64的觀測信號，利用高斯隨機分布矩陣，對信號長度為256、