• 대한전자공학회논문지SP
• /
• 제46권5호
• /
• pp.25-31
• /
• 2009

Compressed sensing은 기존의 Nyquist sampling 이론에 기반을 두었던 dynamic MRI에서의 시 공간 해상도의 제한을 획기적으로 향상시킴으로써, 최근 몇 년 사이, MR reconstruction 분야에서 가장 큰 이슈가 되고 있는 연구주제이다. Dynamic MRI 는 대부분 시간방향의 redundancy 가 매우 크므로, 쉽게 sparse 변환이 가능하다. 따라서 sparsity를 기본 조건으로 하는 compressed sensing은 거의 모든 dynamic MRI 에 대해 효과적으로 적용될 수 있다. 본 review 페이퍼에서는 최근 compressed sensing 에 기반을 두거나 영상의 sparsity를 이용하여 개발된 dynamic MR imaging algorithm 들을 간략히 소개하고, 비교 분석함으로써, compressed sensing과 같은 새로운 접근 방식의 dynamic MRI가 실제 임상에서 가져다 줄 발전 가능성을 제시한다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제10권1호
• /
• pp.58-78
• /
• 2016

Compressed sensing (CS) possesses the potential benefits for spectrum sensing of wideband signal in cognitive radio. The sparsity of signal in frequency domain denotes the number of occupied channels for spectrum sensing. This paper presents a scheme of adaptively adjusting the number of compressed measurements to reduce the unnecessary computational complexity when priori information about the sparsity of signal cannot be acquired. Firstly, a method of sparsity estimation is introduced because the sparsity of signal is not available in some cognitive radio environments, and the relationship between the amount of used data and estimation accuracy is discussed. Then the SNR of the compressed signal is derived in the closed form. Based on the SNR of the compressed signal and estimated sparsity, an adaptive algorithm of adjusting the number of compressed measurements is proposed. Finally, some simulations are performed, and the results illustrate that the simulations agree with theoretical analysis, which prove the effectiveness of the proposed adaptive adjusting of compressed measurements.

• 대한전자공학회논문지SP
• /
• 제46권5호
• /
• pp.15-24
• /
• 2009

Compressed sensing은 소수의 선형 관측으로부터 sparse 신호를 복원하는 문제를 언급하고 있다. 최근 벡터 경우에서의 성공적인 연구 결과가 행렬의 경우로 확장되었다. Low-rank 행렬의 compressed sensing은 ill-posed inverse problem을 low-rank 정보를 이용하여 해결한다. 본 문제는 rank 최소화 혹은 low-rank 근사의 형태로 나타내질 수 있다. 본 논문에서는 최근 제안된 여러 가지 효율적인 알고리즘에 대한 survey를 제공한다.

• 대한의용생체공학회:의공학회지
• /
• 제31권6호
• /
• pp.464-471
• /
• 2010

Compressed sensing can be used to reduce scan time or to enhance spatial resolution in MRI. It is now recognized that compressed sensing works well in reconstructing magnitude images if the sampling mask and the sparsifying transform are well chosen. Phase images also play important roles in MRI particularly in chemical shift imaging and magnetic resonance electrical impedance tomography (MREIT). We reconstruct MRI phase images using the compressed sensing technique. Through computer simulation and real MRI experiments, we reconstructed phase images using the compressed sensing technique and we compared them with the ones reconstructed by conventional Fourier reconstruction technique. As compared to conventional Fourier reconstruction with the same number of phase encoding steps, compressed sensing shows better performance in terms of mean squared phase error and edge preservation. We expect compressed sensing can be used to reduce the scan time or to enhance spatial resolution of MREIT.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제7권9호
• /
• pp.2213-2231
• /
• 2013

Compressed sensing is a novel technology used in the field of wireless communication and sensor networks for channel estimation, signal detection, data gathering, network monitoring, and other applications. It plays a significant role in highly secure, real-time, well organized, and cost-effective data communication in smart-grid (SG) systems, which consist of multi-tier network standards that make it challenging to synchronize in power management communication. In this paper, we present a multi-layer communication model for SG systems and propose compressed-sensing based data transmission at every layer of the SG system to improve data transmission performance. Our approach is to utilize the compressed-sensing procedure at every layer in a controlled manner. Simulation results demonstrate that the proposed monitoring devices need less transmission power than conventional systems. Additionally, secure, reliable, and real-time data transmission is possible with the compressed-sensing technique.

• 한국통신학회논문지
• /
• 제37A권12호
• /
• pp.1122-1132
• /
• 2012

압축센싱은 이미지, 음성신호, 레이더 등 많은 분야에 적용되고 있다. 압축센싱은 주로 통계적 특성이 시불변인 신호에 적용되고 있으며, 측정 데이터를 줄여 압축률을 높일수록 복원에러가 증가한다. 이와 같은 문제점들을 해결하기 위해 음성신호를 프레임 단위로 나누어 병렬로 처리하였으며, dictionary learning을 이용하여 프레임들을 sparse하게 만들고, sparse 계수 벡터와 그 복원값의 차를 이용하여 압축센싱 복원행렬을 적응적으로 만든 적응압축센싱을 적용하였다. 이를 통해 통계적 특성이 시변인 신호도 압축센싱을 이용하여 빠르고 정확한 복원이 가능함을 확인할 수 있었다.

• 한국통신학회논문지
• /
• 제38B권9호
• /
• pp.765-774
• /
• 2013

본 논문에서는 분산된 광대역 인지 무선 네트워크 환경에서 상관관계를 갖는 다중 신호를 위한 협력 압축 스펙트럼 센싱 기법을 제안한다. 압축 센싱 (Compressed Sensing)은 나이퀴스트율 (Nyquist Rate) 이하로 샘플링된 신호를 높은 확률로 복구할 수 있는 신호처리 기법으로 기존의 광대역 스펙트럼 센싱을 위해서 필요로 했던 고속의 아날로그-디지털 변환기 구현 문제를 해결할 수 있다. 압축 센싱에서는 압축된 신호를 원본 신호로 정확하게 복구하는 복구 알고리즘을 설계하는 것이 하나의 핵심 문제이다. 본 논문에서는 나이퀴스트율 이하로 압축된 신호의 복구 성능을 높이기 위하여 연속된 다중 입력 신호로 구성된 Multiple Measurement Vector 모델을 이용하였고, 입력 신호 사이의 시간적 상관관계를 이용하는 협력 베이지안 복구 알고리즘을 제안한다.

• Journal of Information Processing Systems
• /
• 제15권2호
• /
• pp.410-421
• /
• 2019

Distributed compressed sensing (DCS) states that we can recover the sparse signals from very few linear measurements. Various studies about DCS have been carried out recently. In many practical applications, there is no prior information except for standard sparsity on signals. The typical example is the sparse signals have block-sparse structures whose non-zero coefficients occurring in clusters, while the cluster pattern is usually unavailable as the prior information. To discuss this issue, a new algorithm, called backtracking-based adaptive orthogonal matching pursuit for block distributed compressed sensing (DCSBBAOMP), is proposed. In contrast to existing block methods which consider the single-channel signal reconstruction, the DCSBBAOMP resorts to the multi-channel signals reconstruction. Moreover, this algorithm is an iterative approach, which consists of forward selection and backward removal stages in each iteration. An advantage of this method is that perfect reconstruction performance can be achieved without prior information on the block-sparsity structure. Numerical experiments are provided to illustrate the desirable performance of the proposed method.

• Journal of Communications and Networks
• /
• 제17권5호
• /
• pp.517-524
• /
• 2015

The fast and accurate spectrum sensing over an ultra-wide bandwidth is a big challenge for the radio environment cognition. Considering sparse signal feature, two novel compressed sensing schemes are proposed, which can reduce compressed sampling rate in contrast to the traditional scheme. One algorithm is dynamically adjusting compression ratio based on modulation recognition and identification of symbol rate, which can reduce compression ratio. Furthermore, without priori information of the modulation and symbol rate, another improved algorithm is proposed with the application potential in practice, which does not need to reconstruct the signals. The improved algorithm is divided into two stages, which are the approaching stage and the monitoring stage. The overall sampling rate can be dramatically reduced without the performance deterioration of the spectrum detection compared to the conventional static compressed sampling rate algorithm. Numerous results show that the proposed compressed sensing technique can reduce sampling rate by 35%, with an acceptable detection probability over 0.9.

• 대한전자공학회논문지SP
• /
• 제46권5호
• /
• pp.32-39
• /
• 2009

Compressed Sensing (이하 압축 감지 기술)은 Nyquist 률 이하로 아날로그 신호를 샘플 할 수 있는 기법이다. 이 기법으로 신호는 기존의 신호 샘플 방법보다 적은 수의 측정값으로 표현이 가능하며 또한 선형 프로그래밍을 이용하여 측정값으로부터 본래 신호를 높은 확률로 복원할 수 있다. 이를 통해 압축 감지 기술은 같은 신호를 획득하는데 소모되는 측정 시간 및 ADC (analog-to-digital converter) 자원의 양을 크게 감소시키는 장점을 갖는다. 본 논문에서는 압축 감지 기술에 대한 기본적인 개념과 임의 기저를 이용하여 아날로그 신호로부터 측정값을 획득하는 방법과 본래 신호를 복원하는 방법에 대해 설명하고 무선통신 분야에서의 압축 감지 기술 응용 예시를 소개한다.