CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

Noiselet Measurement Matrix Usage in CS Framework

اعتبار موردنیاز : ۱ | تعداد صفحات: ۹ | تعداد نمایش خلاصه: ۶۶ | نظرات: ۰
سال انتشار: ۱۳۹۶
کد COI مقاله: JR_SPRE-1-1_001
زبان مقاله: انگلیسی
حجم فایل: ۵۷۷.۶۳ کیلوبایت (فایل این مقاله در ۹ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۹ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Noiselet Measurement Matrix Usage in CS Framework

  Haybert Markarian - Electrical Engineering Department South Tehran Branch, Islamic Azad University Tehran, Iran
  Alireza Mohammad Zaki - Electrical Engineering Department South Tehran Branch, Islamic Azad University Tehran, Iran
  Sedigheh Ghofrani - Electrical Engineering Department South Tehran Branch, Islamic Azad University Tehran, Iran

چکیده مقاله:

Theory of compressive sensing  (CS) is an alternative to Shannon/Nyquist sampling theorem which explained the number of samples requirement in order to have the perfect reconstruction. Perfect reconstruction of undersampled data in CS framework is highly dependent to incoherence of measurement and sparsifying basis matrices which the posterior is usually fulfilled by selecting a random matrix. While Noiselets, as a measurement matrix, have very low coherence with wavelets which are the interest of CS, they have never been studied well and compared with other well known Gaussian and Bernoulli measurement matrices, which have been widely used in CS framework, from randomness view point. Therefore, the main contribution of this paper is introducing Noiselets and comparing them with other measurement matrices in two point of view; randomness and quality of recovered images. In case of randomness, the entropy is used as a criterion for computing the randomness. In case of recovered images, the OMP and PDIP algorithms are applied under sampling rates 30, 40, 60%.

کلیدواژه‌ها:

Compressive sensing (CS), Noiselets, Gaussian measurement, Bernoulli measurement, randomness

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-JR_SPRE-JR_SPRE-1-1_001.html
کد COI مقاله: JR_SPRE-1-1_001

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Markarian, Haybert; Alireza Mohammad Zaki & Sedigheh Ghofrani, ۱۳۹۶, Noiselet Measurement Matrix Usage in CS Framework, Signal Processing and Renewable Energy 1 (1), https://www.civilica.com/Paper-JR_SPRE-JR_SPRE-1-1_001.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (Markarian, Haybert; Alireza Mohammad Zaki & Sedigheh Ghofrani, ۱۳۹۶)
برای بار دوم به بعد: (Markarian; Mohammad Zaki & Ghofrani, ۱۳۹۶)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه آزاد
تعداد مقالات: ۸۳۶۳
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مدیریت اطلاعات پژوهشی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات مرتبط جدید

شبکه تبلیغات علمی کشور

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.