• 한국멀티미디어학회논문지
• /
• 제19권2호
• /
• pp.200-208
• /
• 2016

Compressed sensing is a signal processing technique for efficiently acquiring and reconstructing in an under-sampled (i.e., under Nyquist rate) representation. A block compressed sensing with projected Landweber (BCS-SPL) framework is most widely known, but, it has high computational complexity at decoder side. In this paper, by introducing adaptive exit criteria instead of fixed exit criteria to SPL framework, an effective fast algorithm is designed in such a way that it can utilize efficiently the sparsity property in DCT coefficients during the iterative thresholding process. Experimental results show that the proposed algorithm results in the significant reduction of the decoding time, while providing better visual qualities than conventional algorithm.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제7권9호
• /
• pp.2284-2298
• /
• 2013

In this paper, a fast and efficient signal reconstruction algorithm for solving the basis pursuit (BP) problem in compressed sensing (CS) is proposed. This fast linearized Bregman method (FLBM), which is inspired by the fast method of Beck et al., is based on the fact that the linearized Bregman method (LBM) is equivalent to a gradient descent method when applied to a certain formulation. The LBM requires $O(1/{\varepsilon})$ iterations to obtain an ${\varepsilon}$-optimal solution while the FLBM reduces this iteration complexity to $O(1/\sqrt{\varepsilon})$ and requiring almost the same computational effort on each iteration. Our experimental results show that the FLBM can be faster than some other existing signal reconstruction methods.

• Journal of Information Processing Systems
• /
• 제17권6호
• /
• pp.1083-1096
• /
• 2021

Compressed sensing-based matching pursuit algorithms can estimate the sparse channel of massive multiple input multiple-output systems with short pilot sequences. Although they have the advantages of low computational complexity and low pilot overhead, their accuracy remains insufficient. Simply multiplying the weight value and the estimated channel obtained in different iterations can only improve the accuracy of channel estimation under conditions of low signal-to-noise ratio (SNR), whereas it degrades accuracy under conditions of high SNR. To address this issue, an improved weighted matching pursuit algorithm is proposed, which obtains a suitable weight value u_op by training the channel data. The step of the weight value increasing with successive iterations is calculated according to the sparsity of the channel and u_op. Adjusting the weight value adaptively over the iterations can further improve the accuracy of estimation. The results of simulations conducted to evaluate the proposed algorithm show that it exhibits improved performance in terms of accuracy compared to previous methods under conditions of both high and low SNR.

• 대한전자공학회논문지SP
• /
• 제48권2호
• /
• pp.134-140
• /
• 2011

압축 센싱 (Compressed Sensing) 기술을 통해 $M{\times}N$ 측정 행렬의 원소들이 특정의 독립적인 확률 분포에서 뽑혀 identically 분포의 성질을 가지고 있을 때 $M{\ll}N$의 경우에도 스파스 (sparse) 신호를 높은 확률로 정확하게 복원할 수 있다. $L_1$-최소화 알고리즘이 불완전한 측정에 대해서도 스파스 (sparse) 신호를 복원할 수 있다는 것은 잘 알려진 사실이다. 본 논문에서는 OMP를 변형시킨 support 검출과 가중치 기법을 이용한 $L_1$-최소화 방법을 통하여 스파스 (sparse) 신호의 복원 성능을 향상시키는 알고리즘을 제안하고자 한다.

• Journal of Power Electronics
• /
• 제19권2호
• /
• pp.443-453
• /
• 2019

As the core component of transmission systems, converters are very prone to failure. To improve the accuracy of fault diagnosis for wind power converters, a fault feature extraction method combined with a wavelet transform and compressed sensing theory is proposed. In addition, an improved AdaBoost-SVM is used to diagnose wind power converters. The three-phase output current signal is selected as the research object and is processed by the wavelet transform to reduce the signal noise. The wavelet approximation coefficients are dimensionality reduced to obtain measurement signals based on the theory of compressive sensing. A sparse vector is obtained by the orthogonal matching pursuit algorithm, and then the fault feature vector is extracted. The fault feature vectors are input to the improved AdaBoost-SVM classifier to realize fault diagnosis. Simulation results show that this method can effectively realize the fault diagnosis of the power transistors in converters and improve the precision of fault diagnosis.

• Smart Structures and Systems
• /
• 제22권2호
• /
• pp.231-237
• /
• 2018

A significant data problem is encountered with condition monitoring because the sensors need to measure vibration data at a continuous and sometimes high sampling rate. In this study, compressive sensing approaches for condition monitoring are proposed to demonstrate their efficiency in handling a large amount of data and to improve the damage detection capability of the current condition monitoring process. Compressive sensing is a novel sensing/sampling paradigm that takes much fewer data than traditional data sampling methods. This sensing paradigm is applied to condition monitoring with an improved machine learning algorithm in this study. For the experiments, a built-in rotating system was used, and all data were compressively sampled to obtain compressed data. The optimal signal features were then selected without the signal reconstruction process. For damage classification, we used the Variance Considered Machine, utilizing only the compressed data. The experimental results show that the proposed compressive sensing method could effectively improve the data processing speed and the accuracy of condition monitoring of rotating systems.

• 한국지구물리탐사학회:학술대회논문집
• /
• 한국지구물리탐사학회 2011년도 학술대회 및 정기총회
• /
• pp.3-12
• /
• 2011

• 한국정보전자통신기술학회논문지
• /
• 제10권4호
• /
• pp.257-267
• /
• 2017

압축센싱(Compressed Sensing)은 선형 역문제(inverse problem)를 다루고 있으며, 그 이론적 연구결과는 관련 분야에 많은 영향을 주어 놀랄 만한 연구성과를 발표하였다. 그러나 압축센싱을 실제 환경에 적용하기 위해서는 두 가지 중요한 문제가 남아 있다. 하나는 실시간에 가까운 복원 성능이 보장되어야 하며, 다른 하나는 신호가 희소성을 갖도록 전처리가 가능해야 한다는 점이다. 이에 대한 문제들을 해결하고자 딥러닝(deep learning) 기술을 활용한 압축센싱 신호 복원방법이 최근에 등장하였다. 본 논문에서는 딥러닝 기반의 압축센싱 신호 복원방법을 고찰하고 최신 연구결과를 비교 분석하고자 한다. 관련 연구결과에서는 실시간에 가까운 복원 시간에 도달하였으며, 기존 복원방법 대비 더 우수한 복원 성능을 보여 주었다. 최근 연구에서 보여준 딥러닝을 활용한 압축센싱 신호 복원방법은 압축센싱의 활용가치를 더욱 높일 뿐만 아니라 신호처리와 통신분야에서 크게 활용될 수 있을 것으로 기대된다.

• 한국통신학회논문지
• /
• 제40권4호
• /
• pp.628-636
• /
• 2015

본 논문은 거대 다중 안테나 시스템을 위한 넌컨백스 압축센싱 기반 채널 상태 정보 피드백 기법을 제안한다. 제안하는 피드백 기법은 랜덤 백터 양자화 방식과 결합하여, 피드백 양을 줄이면서 송신단에서 정확한 채널 정보를 획득할 수 있게 해준다. 또한, 측정값이 부정확하고 불완전하더라도 기존의 컨백스 압축센싱 기반 채널 상태정보 피드백 기법보다 더 적은 수의 측정값만으로 채널 상태 정보를 복구할 수 있다. 실험을 통해 제안하는 넌컨백스 압축센싱 기반 피드백 기법이 기존의 압축센싱 기반 피드백 기법과 랜덤 백터 양자화 피드백 기법에 비해 같은 피드백 양으로 더 높은 전송률을 제공함을 확인하였다.

• 한국통신학회논문지
• /
• 제42권1호
• /
• pp.25-30
• /
• 2017

밀리미터 대역은 매우 넓은 대역폭을 활용할 수 있어 5G 시스템의 데이터 전송률을 높일 핵심 요소로 기대되고 있다. 해당 대역은 경로 감쇄가 심한 특성을 갖지만, 짧은 파장 덕분에 크지 않은 공간에 매우 많은 안테나를 배치할 수 있어 경로 감쇄를 상쇄할 수 있다. 이처럼 많은 안테나를 활용하는 채널을 기존의 기법으로 추정하기 위해서는 큰 오버헤드가 발생해, 짧은 시간에 트레이닝을 수행하는 채널 추정 기법이 요구된다. 밀리미터파 채널은 매우 적은 수의 유효 경로가 존재하는 특징을 갖기에 적은 수의 관찰 값으로부터 희소 신호를 검출하는 압축센싱 기법의 활용이 효과적일 것으로 기대된다. 본 논문에서는 밀리미터파 채널 추정을 위한 압축 센싱 기법을 소개한다. 첫째로, 지연 확산이 존재하는 다중 경로 채널 추정을 표준적인 압축 센싱 문제로 변환하는 방식을 제시한다. 또한 압축 센싱을 통해 채널 추정을 수행하기 위해서는 좋은 특성을 갖는 검출 행렬을 생성하는 것이 중요하기에, 양자화된 phase shifter로 임의 발생시킨 검출 행렬의 mutual incoherence 특성을 수치적으로 분석한다.