Compressive sensing in data separation. Masters thesis, King Fahd University of Petroleum and Minerals.

PDF EprintReemThesis.pdf Restricted to Repository staff only until 3 June 2024. Download (10MB)

Arabic Abstract

الاستشعار المضغوط” هو نموذج رياضي جديد تم تصميمه لإعادة بناء إشارات ذات أبعاد كبيرة باستخدام عدد صغير من القياسات الخطية. تعتبر نظرية الاستشعار المضغوط من أهم الطرق المستخدمة في تحليل البيانات وفصلها خطياً وذلك بالإعتماد على تمثيل البيانات في نظام خطي يمثلها كلياً بإستخدام القليل من الحسابات وذلك لتقليل الكلفة والوقت لتحليلها ومن ثم استعادة البيانات وفصلها بالحصول على معامل المتجه الاقل من خوارزمية التقليل باستخدام معيار l1 في البرمجة الخطية. نتناول في هذه الرسالة دراسة استقصائية مع التفصيل والبرهنة لما سيتم نصة من النظريات المستخدمة لتمكين الفصل ومفهوم الإطارات ومايترتب عليها من نتائج، ختاماً نعرض موجز ماتم دراسته وعرض التطبيقات المعاصرة بإستخدام امثله لتحليل البيانات الصوتية الممثلة في متجه ذو بعد واحد وفصل الصور عن التشويش الناتج عن تداخل الموجات وفصلها وفق هذا المنهج.

English Abstract

Compressed sensing is a fairly new mathematical paradigm designed to efficiently reconstruct large sparse dimensional signals using a small number of linear measurements. Sparse coding of signals combined with compressed sensing emerged as a powerful tool for separating data that are composed of several morphologically distinct constituents. In this thesis, combining adaptive incoherent sparse coding with compressive sensing, we propose an efficient method for data separation. With a prior knowledge of the characteristics of the distinct constituents in the given data, we carefully select adequate frames to sparsify each component, i.e., the vector of the coefficients that represent the component on that frame is sparse. We then use compressive sensing to extract each component using adequate l1-optimization criteria. Applications to audio signals and images separation will be provided.

Item Type:	Thesis (Masters)
Subjects:	Computer Math
Department:	College of Computing and Mathematics > Mathematics
Committee Advisor:	Ait-Haddou, Rachid
Committee Members:	Sarumi, Ibrahim and Qureshi, Muhammad
Depositing User:	REEM ALSHAMMARI (g201908010)
Date Deposited:	06 Jun 2023 08:36
Last Modified:	06 Jun 2023 08:36
URI:	http://eprints.kfupm.edu.sa/id/eprint/142416