我們以 N1個離散餘弦轉換作為傳輸的壓縮數據並以 N2個 Noiselet 做為其雜 訊的干擾，我們將設計一個隨機破壞的雜訊；此雜訊的形式將不同於 Noiselet 所產生的干擾效果；再次透過壓縮感知重建並觀察其變化，並且分別探討雙通道 與單通道兩種方法，以改善壓縮感知遭遇此隨機雜訊破壞之後的解決方式。
PSNR (Peak Signal-Noise-Radio)
最大功率與因為受雜訊干擾而衰減的功率比值[39]。 log255 10
SSIM(Structural Similarity)
以主觀視覺辨識的結構相似度量度方法[38]。
下式為相似度量測(similarity measurement) 公式 ))
17
5. RG: 紅色色頻 6. GR: 綠色色頻 7. BL: 藍色色頻
我們模擬的方法主要是以在壓縮感知的壓縮數據中，使用離散餘弦轉換作為 稀疏訊號，並且以 Noiselet 作為不連貫訊號。以上的做法可以了解到壓縮感 知如何透過不連貫訊號的雜訊重建稀疏訊號，壓縮感知的重建方法可以將原始 影像回復到一定的品質。
由圖 2-6 可以發現到隨著稀疏性訊號的壓縮率變小，且不連貫性的雜訊固定 的話，則重建的品質越高；由圖 2-7 可以發現，稀疏性訊號我們只有 10 個係 數，壓縮感知將透過不連貫訊號的雜訊資訊重建，我們可以發現當不連貫訊號 所可以用的資訊越多，重建的品質將更好。我們由以上的討論所得的結論是：
壓縮感知於接收端所得到的雜訊其可用的資訊越多，則壓縮感知演算法可以將 其填補稀疏訊號重建的不足，進而達到重建品質提升的效果。其模擬方法將以 此為標準工具，認為當接收端接收到含有隨機中斷的雜訊訊號，壓縮感知演算 法並無法使用其中的雜訊資訊而使得整個的壓縮感知重建品質變差。由初步的 實驗數據證實的這個觀點，透過圖 2-8，我們可以發現當具有隨機中斷訊號的 干擾之後；其強度為 5%，10%，15%和 20%的時候，重建的結果品質隨之遞減。
我們的模擬方法是，將額外的隨機中斷訊號加入其中，設定的隨機破壞強度 為 1%到 25%，並且以上述的方式衡量並且記錄影像輸出的品質，可以預測由於 壓縮感知並無法對隨機中斷訊號所產生的雜訊透過統計重建的觀念克服，因此，
重建的影像品質將會隨著破壞的強度增大而減少。
18
(a)N1: 2000 , N2: 20000 PSNR: 39.51 dB SSIM: 0.95
(b)N1: 6000, N2: 20000 PSNR: 37.76 dB SSIM: 0.92
(c)N1: 11000 , N2: 20000 PSNR: 39.51 dB SSIM: 0.95
(d)N1: 16000 , N2: 20000 PSNR: 41.58 dB SSIM: 0.96 圖 2-6 增加稀疏性訊號
接下來，我們將提出多種保護方法，對壓縮資訊提供必要的保護演算編碼，
並且分析保護參數與壓縮感知數據之間的關係，以增加保護效果。我們預估受 過保護編碼數據的壓縮感知之壓縮數據在重建之後會比未受保護的數據要好，
如此則達到排除壓縮感知無法克服的非不連貫雜訊干擾的目的，使得壓縮感知 遇到如此類雜訊可以更穩定的利用統計重建的方式達到應有的重建品質。
(a)N1: 10 , N2: 1000 PSNR: 30.10 dB SSIM: 0.55
(b)N1: 10 , N2: 6000 PSNR: 32.25 dB SSIM: 0.71 圖 2-7 增加不連貫性雜訊訊號
19
(c)N1: 10 , N2: 11000 PSNR: 33.34 dB SSIM: 0.78
(d)N1: 10 , N2: 16000 PSNR: 34.49 dB SSIM: 0.84 圖 2-7 增加不連貫性雜訊訊號(續)
(a)N1: 1000 , N2: 20100 PSNR: 28.81 dB SSIM: 0.29
(b)N1: 1000, N2: 20100 PSNR: 38.47 dB SSIM: 0.22
(c)N1: 1000 , N2: 20100 PSNR: 28.28 dB SSIM: 0.17
(d)N1: 16000 , N2: 20000 PSNR: 28.22 dB SSIM: 0.15 圖 2-8 隨機中斷雜訊干擾
20