以及等知名企业也在多年以前开始对压缩感知理论进行相应研究。在国内，大部分知名院校都万方数据南京邮电大学硕士研究生学位论文第章绪论有对压缩感知理论研究，清华大学西安交通大学以及西安电子科技大学等每年都会涌现许多关于压缩感知理论与应用方面文献。针对复杂计算任务以及求解复杂度高问题，引入了并行计算。公司在年底发布了，首次使用了统渲染硬件。同时还发布了统计算架构。同相比，具有更好并行计算能力，以及数据传输能力。近年来，应用领域越来越多，随着本身发展，其带来加速效果也越来越好。文献中，作者将传统串行现代优化算法，如模拟退火算法禁忌搜索算法遗传算法粒子群优化算法以及神经网络优化算法，在上进行并行实现，当数据量大计算密集度高时能够带来非常明显加速提升。除此以外，也有很多人利用针对块,万方数据目录专用术语注释表第章绪论论文研究背景压缩感知并行重构算法研究现状本文研究内容本文与结构安排第二章压缩感知与并行计算理论基础压缩感知理论介绍压缩感知基础理论压缩感知关键要素并行理论基础线程层次存储器层次执行模式本章小结第三章基于整图像并行重构算法引言正交匹配追踪算法及其变化算法分析并行重构算法可行性分析并行算法实现途径实现步骤实验结果及性能分析性能分析实验结果性能分析本章小结第四章多粒度并行压缩感知重构算法引言分块压缩感知以及多级并行处理技术分块压缩感知多级并行处理技术多粒度压缩感知并行重构算法实现原理实现步骤实验结果及性能分析应用多粒度并行计算架构前后对比应用和协同多粒度并行计算架构前后对比本章小结第五章基于遗传算法压缩感知重构及其并行优化绪论遗传算法基于遗传算法压缩感知重构及其并行化基于遗传算法压缩感知重构万方数据基于遗传算法压缩感知重构并行优化实验结果及性能分析重构算法优化前后对比并行优化前后对比本章小结第六章总结与展望全文总结未来工作展望参考文献附录攻读硕士学位期间撰写论文致谢万方数据南京邮电大学硕士研究生学位论文专用术语注释表专用术语注释表缩略词说明应用程序接口贝叶斯进化追踪算法压缩采样匹配追踪算法压缩感知统计算设备架构离散余弦变换离散小波变换进化算法快速傅里叶变换遗传算法图形处理器多指令流多数据流多指令流单数据流匹配追踪算法正交匹配追踪算法约束等距性正则化正交匹配追踪算法单指令流多数据流单指令流单数据流分段正交匹配追踪算法万方数据南京邮电大学硕士研究生学位论文第章绪论第章绪论论文研究背景在信息时代今天，随着移动互联网物联网以及云计算日益发展，更高清视频出现，信息需求量急剧增加，信号带宽也越来越宽。不仅仅是对设备存储能力，在信息获取过程中对采样效率也提出了非常苛刻要求。在传统信号与信息处理过程中，信息采集需要满足奈奎斯特采样定律，即采样速率不能低于信号最高频率二倍。整个采样过程包括采样压缩传输以及解压缩四个部分。利用这种传统方式得到采样后数据量十分庞大，浪费了大量传感元时间以及存储空间。压缩感知理论是由以及华裔科学家等人提出种全新信号处理理论，吸引了诸多科研人员关注。压缩感知理论建立在矩阵分析统计概率论拓扑几何学优化与运筹学泛函分析以及视频分析等基础上，可以使模拟信号向数字信号转变变得更为高效，不必受奈奎斯特采样定律限制，使信号低速采样成为可能。压缩感知将数据采集与数据压缩两个过程合二为，具有非常广阔应用前景。压缩感知理论主要包含三个方面信号稀疏表示信号压缩测量以及信号重构算法。稳定高效重构算法是压缩感知关键之，它是个解决优化计算问题。而如今诸多重构算法都存在着复杂度高，重构速度慢等缺点，直接影响着压缩感知理论在实际中应用。近年来，并行计算出现为信号重构提供了新解决思路，在数据并行处理能力以及存储器带宽上都要明显优于同时代。目前，并行计算已经在许多其他领域中取得了非同凡响加速比。压缩感知并行重构算法研究现状压缩感知理论经提出，已经成功应用到生物传感雷达探测地质勘探无线通信医疗成像图像超分辨率重建等领域。随着科研进步，压缩感知理论也在不断完善与发展，如分布式压缩感知理论块压缩感知理论边缘压缩感知理论等，它们对不同应用领域带来了许多新解决思路。目前，欧美许多知名学府如斯坦福大学以及麻省理工大学等都成立了相应研究小组，对压缩感知理论进行深入研究。以及等知名企业也在多年以前开始对压缩感知理论进行相应研究。在国内，大部分知名院校都万方数据南京邮电大学硕士研究生学位论文第章绪论有对压缩感知理论研究，清华大学西安交通大学以及西安电子科技大学等每年都会涌现许多关于压缩感知理论与应用方面文献。针对复杂计算任务以及求解复杂度高问题，引入了并行计算。公司在年底发布了，首次使用了统渲染硬件。同时还发布了统计算架构。同相比，具有更好并行计算能力，以及数据传输能力。近年来，应用领域越来越多，随着本身发展，其带来加速效果也越来越好。文献中，作者将传统串行现代优化算法，如模拟退火算法禁忌搜索算法遗传算法粒子群优化算法以及神经网络优化算法，在上进行并行实现，当数据量大计算密集度高时能够带来非常明显加速提升。除此以外，也有很多人利用针对块张晓缋,戴冠中种新优化搜索算法遗传算法控制理论与应用万方数据南京邮电大学硕士研究生学位论文附录攻读硕士学位期间撰写论文附录攻读硕士学位期间撰写论文郭睿冉宋建新，图像压缩感知基于并行重构算法研究，电视技术，已录用。万方数据南京邮电大学硕士研究生学位论文致谢致谢近三年南京邮电大学研究生生活即将随论文答辩结束而落下帷幕。回想三年前，端坐教室朝七晚十遥望笔下梦想，感慨今日已完成彼时执着，有欢声笑颜亦有踌躇满志。对自己最好交待就是无悔这三年。对那些出现在我生命中这三年所有人道声谢谢！宋建新导师带我走过了三年科研生活，谢谢您丝不苟，学术容不下半点虚假谢谢您言传身教，对待生活要有端正态度当周边朋友同学三五于街旁操场，能有说走就走轻松，也曾苦恼皱眉，却也在三年后能够以对已认真对生活认真姿态步入接下来旅程。宋老师，辛苦了！谢谢！在学校中度过了生命中二十多年，背后支持是父母无悔付出，辛苦操劳了半辈子。在外求学有七载，每年只有寒暑假才能回到你们身边，倾听你们唠叨，分担你们忧愁。愿父母健康长寿！很庆幸三年结交了这么多同学朋友，谢谢你们陪伴和帮助。在撰写论文期间，黄兴师兄给了我太多帮助。还有你们王成龙詹可军张春雨赵彦孟仝明亮冯紫薇黄环，在起学习开会讨论，在起吃喝逗耍，在起成长进步，这些日子里有你们太多身影，这段记忆中你们占据了太多比重。不能忘记给了我太多帮助网友，吉浦讯科技陈老师，吴老师以及蓝云老师，你们在我近乎无助情况下，带我走进了并行世界。那几个月里你们听了我太多无厘头问题，师傅领进门，接下来日子顺利很多。谢谢你们，愿吉浦讯科技越来越好！三位老师工作顺利！感谢参加论文审阅各位老师，辛苦了！万方数据图像压缩感知并行重构技术研究作者郭睿冉学位授予单位南京邮电大学引用本文格式郭睿冉图像压缩感知并行重构技术研究学位论文硕士,单位代码密级硕士学位论文论文题目图像压缩感知并行重构技术研究郭睿冉宋建新教授信号与信息处理图像处理与多媒体通信工学硕士二零四年二月学号姓名导师学科专业研究方向申请学位类别论文提交日期万方数据万方数据南京邮电大学学位论文原创性声明本人声明所呈交学位论文是我个人在导师指导下进行研究工作及取得研究成果。尽我所知，除了文中特别加以标注和致谢地方外，论文中不包含其他人已经发表或撰写过研究成果，也不包含为获得南京邮电大学或其它教育机构学位或证书而使用过材料。与我同工作同志对本研究所做任何贡献均已在论文中作了明确说明并表示了谢意。本人学位论文及涉及相关资料若有不实，愿意承担切相关法律责任。南京邮电大学学位论文使用授权声明本人授权南京邮电大学可以保留并向国家有关部门或机构送交论文复印件和电子文档允许论文被查阅和借阅可以将学位论文全部或部分内容编入有关数据库进行检索可以采用影印缩印或扫描等复制手段保存汇编本学位论文。本文电子文档内容和纸质论文内容相致。论文公布包括刊登授权南京邮电大学研究生院办理。涉密学位论文在解密后适用本授权书。研究生签名日期研究生签名导师签名日期万方数据摘要信号重构是压缩感知技术个主要方面，它是通过求解个高度非线性优化问题，从组线性观测数据中恢复出原始信号过程。整个过程对硬件要求高，重构时间长，致使压缩感知技术无法在实际中被广泛应用。对此，本文采用并行处理技术对重构端进行并行优化，旨在不损失重构信号质量前提下，大幅缩短信号重构时间。数据并行处理是将数据映射到并行处理线程上，多线程程序被划分为线程块，线程块执行彼此间相互独立。利用并行计算能够比更高效地解决复杂计算任务，围绕流多处理器阵列组建，拥有比更多计算单元。本文利用这项技术完成下面三方面工作首先，本文利用，实现了以及三种信号重构算法并行优化。分析了它们主要耗时步骤针对矩阵向量相乘过程，利用块算法在上将其并行实现针对矩阵广义求逆过程，运用谢尔曼莫里森伍德伯里矩阵求逆引理进行求解，并在上将其并行实现。通过这种方式实现了这三种重构算法并行优化。其次，本文提出了种多粒度并行压缩感知重构算法。利用协同并行处理架构，实现了任务级粗粒度并行，同时保留块内数据级细粒度并行。负责主要数据计算任务，负责流程控制，同时分担小部分计算任务。实验结果表明，这种结构可以带来高达倍速度提升。最后，针对遗传算法在信号重构中应用，为提高其重构效率，提出将解码及求解适应度过程利用并行实现算法。实验结果表明，并行带来倍左右速度提升。除此以外，针对这种应用，提出种优化策略，即遗传过程中引入精英保留策略，重构信号质量有左右提高。关键词压缩感知，重构算法，并行，多粒度，遗传算法万方数据万方数据目录专用术语注释表第章绪论论文研究背景压缩感知并行重构算法研究现状本文研究内容本文与结构安排第二章压缩感知与并行计算理论基础压缩感知理论介绍压缩感知基础理论压缩感知关键要素并行理论基础线程层次存储器层次执行模式本章小结第三章基于整图像并行重构算法引言正交匹配追踪算法及其变化算法分析并行重构算法可行性分析并行算法实现途径实现步骤实验结果及性能分析性能分析实验结