基于稀疏性和压缩采样原理的近场声学全息成像
摘要：使用近场声波全息术（NAH）技术识别振动源时，正则化逆问题是一个复杂的问题。该论文表明，对于具有任意边界条件的凸性均匀板，可以基于板的法向速度在精心设计的基础上的稀疏性来开发新的正则化方案，即可以将其近似为少量基本基函数的加权和。特别是，这些新技术可以处理边界处速度场的不连续性，而这在标准技术中可能会出现问题。尽管解决相关优化问题的计算复杂性较高，但它仍然可以使用现成的软件轻松处理。此外，这种稀疏性框架使我们能够利用压缩采样的概念：在采样过程（在这里是随机阵列的设计）满足一些条件（可以通过数值和实验验证），可以用比传统要求的要少得多的测量（即，麦克风）来重构稀疏信号。在介绍不同的概念之后，本文展示了使用两种板几何体进行的NAH的数值和实验结果，并比较了这些基于稀疏性的技术相对于标准的Tikhonov正则化的优势和局限性。
作者：Gilles Chardon (LOA), Laurent Daudet (LOA), Antoine Peillot (IJLRA), Franc{c}ois Ollivier (IJLRA), Nancy Bertin (INRIA - IRISA), R''emi Gribonval (INRIA - IRISA)
论文ID：1207.5618
分类：Data Analysis, Statistics and Probability
分类简称：physics.data-an
提交时间：2015-06-05