Compressive Sensing für nicht-stationäre Musiksignale und Bildsignale

Compressive Sensing (CS) ist die Schlüssellösung oder -methode zur Rekonstruktion des Signals mit einer sehr geringen Anzahl von Messungen im Vergleich zu herkömmlichen Methoden. Nach den herkömmlichen Methoden oder der Shannon-Nyquist-Abtasttheorie benötigen wir die doppelte Signalbandbreite für eine korrekte Rekonstruktion des Signals. Das Grundproblem besteht darin, dass mit der konventionellen Methode eine große Menge an Daten gespeichert werden muss . Um dies zu erreichen, benötigen wir die Messmatrix, die eine stabile Messmatrix sein sollte , und die Basismatrix. Die Mess- und die Basismatrix sollten zwei Eigenschaften erfüllen, nämlich RIP und iid. Die Messmatrix, die im Allgemeinen eine Zufallsmatrix ist , wird optimiert, um eine geringere gegenseitige Kohärenz zu erreichen. Es gibt verschiedene Rekonstruktionsalgorithmen, die für die korrekte Rekonstruktion des Signals nach der Komprimierung verwendet werden .

Autorentext

Vivek Upadhyaya, titulaire d'un doctorat du MNIT Jaipur, est professeur adjoint à l'université Poornima de Jaipur. Avec plus de 12 ans d'expérience, ses recherches se concentrent sur l'imagerie médicale, le DSP, l'IA et la ML. Bénéficiaire de la bourse Visvesvaraya, il a publié des articles dans des revues réputées, des chapitres de livres et des conférences, et a remporté le prix du meilleur article au niveau international.