[发明专利]用于处理压缩数据的方法和设备

说明书

一种用于处理压缩数据的方法，所述压缩数据特别是借助于压缩感知CS方法从输入数据中获得的，其中该方法具有以下步骤：接收第一数据，通过执行独立性分析依据所述第一数据确定混合矩阵，接收第二压缩数据，依据所述第二压缩数据和所述混合矩阵重构所述输入数据。

技术领域

本公开涉及一种用于处理压缩数据的方法，所述压缩数据特别是借助于压缩感知（Compressed-Sensing）CS方法从输入数据中获得的。

本公开还涉及一种用于处理压缩数据的设备，所述压缩数据特别是借助于CS方法从输入数据获得的。

背景技术

使用压缩感知原理来压缩数据是已知的。在这种情况下，将例如以矢量形式存在的输入数据乘以测量矩阵以获得压缩数据。

发明内容

优选的实施方式涉及一种用于处理压缩数据的方法，所述压缩数据特别是借助于压缩感知CS方法从输入数据获得的，其中所述方法具有以下步骤：接收第一数据，通过执行独立性分析（英文：Independent component analysis，独立成分分析，ICA）依据所述第一数据来确定混合矩阵，接收第二压缩数据，依据所述第二压缩数据和所述混合矩阵来重构所述输入数据。通过这种方式，使得能够有效地重构所述输入数据。

特别有利地，可以依据所述混合矩阵来确定可用于CS压缩数据的重构的代表矩阵，其方式是例如使用所述混合矩阵作为用于重构CS压缩数据的代表矩阵。

在其它优选的实施方式中，所述第一数据还没有借助于CS加以压缩，而是未被压缩的，由此可以特别有效地确定混合矩阵，基于该混合矩阵可以进行CS压缩数据的重构。

在其它优选的实施方式中规定，至少间或地执行训练阶段，在该训练阶段中接收所述第一数据，优选未压缩的数据，并且在该训练阶段中通过依据所接收的第一数据执行独立性分析来确定所述混合矩阵。由此不需要先验地了解所述代表矩阵，从而进一步提高了灵活性。特别地，由此还可以使所述输入数据的重构动态地适配于所述输入数据的不断变化的结构或不断变化的统计特性，特别是无需在所述第二压缩数据的源处增加用于压缩数据的开销。

在其它优选的实施方式中规定，在所述训练阶段之后执行重构阶段，在该重构阶段中接收所述第二压缩数据（特别是借助于CS压缩的），并且在该重构阶段中重构所述输入数据。

在其它优选的实施方式中规定，重复所述训练阶段，特别是周期性地重复，由此使得能够将所述混合矩阵适配于压缩数据的可能不断变化的特性。

在其它优选的实施方式中规定，根据以下出版物执行所述独立性分析：A.Hyvärinen、J.Karhunen和E.Oja，Independent Component Analysis, ser. Adaptive andCognitive Dynamic Systems: Signal Processing, Learning, Communications andControl. Wiley，2004，ISBN：9780471464198，特别是根据出自第8至12章中的方法之一。

在其它优选的实施方式中规定，将所述第一数据划分为多个训练序列，其中为所述多个训练序列中的每个训练序列确定对应的混合矩阵，以及其中依据与所述多个训练序列相对应的混合矩阵来确定用于重构所述输入数据的代表矩阵。

在其它优选的实施方式中规定，所述重构包括根据以下等式求解优化问题：，特别是在边界条件下，其中矢量代表在与所述代表矩阵对应的基中的输入数据（所述代表矩阵的行矢量表示基矢量），所述矢量相对于所述基是稀疏的，其中矢量表征压缩的第二数据，其中是测量矩阵，并且其中。所述代表矩阵可以有利地从所述混合矩阵中加以确定。在其它优选的实施方式中，可以使用任意矩阵作为测量矩阵，以便从所述输入数据中确定CS压缩数据。