共查询到20条相似文献,搜索用时 421 毫秒
1.
2.
非相干子字典多原子快速匹配追踪算法 总被引:1,自引:0,他引:1
从冗余字典中得到信号的最稀疏表示是一个NP难问题,即使是次优的匹配追踪仍然相当复杂.该文提出一种多原子快速匹配追踪算法.该算法首先将冗余字典分解成M个非相干的子字典,每次迭代分别从各子字典中至多选取一个满足条件的原子组成多原子集;最后通过求信号在多原子集上的正交投影,得到信号的多原子稀疏逼近.实验采用真实音频信号进行仿真;结果表明新的算法获得与匹配追踪相当的稀疏逼近性能,同时大大提高了信号稀疏分解的速度. 相似文献
3.
针对稀疏分解冗余字典中原子数量庞大的缺点,该文提出一种三阶多项式相位信号的快速稀疏分解算法。该算法根据三阶多项式相位信号的特点,把原有信号变换成两个子空间信号,并根据这两个子空间信号构建相应的冗余字典,然后采用正交匹配追踪法来完成其稀疏分解,最后利用稀疏分解原理完成原有信号的稀疏分解。该算法把原有信号变换成两个不同子空间信号,构建了两个不同的冗余字典,对比采用一个冗余字典库,这种采用两个冗余字典的算法大大减少了原子数量,并且通过快速傅里叶变换,在一个冗余字典进行稀疏分解时,同时找到另一个冗余字典中的最匹配的原子。因此该算法通过减少原子数量和采用快速傅里叶变换大大加快了稀疏分解速度。实验结果表明,相比于采用Gabor原子构建的冗余字典,采用匹配追踪算法与遗传算法及最近提出的基于调制相关划分的快速稀疏分解,它的稀疏分解速度更快,并且具有更好的收敛性。 相似文献
4.
稀疏分解能有效分离信号和噪声,因此适用于信号去噪.文中构造了雷达回波稀疏表示的冗余字典,字典原子与目标回波波形匹配,基于该字典的雷达回波信号稀疏度就是目标数.针对稀疏度自适应匹配追踪算法进行低信噪比信号稀疏分解时的不足,提出了一种迭代自适应匹配追踪算法,采用规范化的残差之差作为迭代终止条件,使得稀疏分解过程能依据噪声水平自适应终止,以逐次逼近方式估计信号稀疏度,改善了稀疏分解的精度.仿真实验结果表明,该算法在低信噪比以及稀疏度未知的条件下,实现了雷达回波信号的准确稀疏分解,极大地提高了信噪比. 相似文献
5.
匹配追踪(Matching pursuit, MP)方法可以在过完备库中实现信号的稀疏、能量集中的分解。该文从对信号分解稀疏性的有利原则出发,在迭代过程中,将过完备库划分为新(未选择过的)、旧(已选择过的)原子库,通过引入退火降温阈值函数来约束迭代过程中最优原子的选择,使选择的最优原子比原始MP方法有更大的可能性落入对信号稀疏性有利的旧原子库中,从而实现对信号更加稀疏的分解。对余弦调制指数信号和一段语音信号的分解结果,证实了改进MP方法对信号有更加稀疏的分解结果。 相似文献
6.
研究基于Gabor的过完备字典的匹配追踪(Matching Pursuit,MP)稀疏分解算法,首先对混合语音信号进行稀疏分解。针对传统MP算法运行时间长,占用存储范围大以及语音信号稀疏分解特性的特点,利用快速傅里叶变换(Fast Fourier Transformation,FFT)的MP稀疏分解缩小了最佳原子的搜索范围,提高运行速度。然后基于峭度的自适应盲源分离算法,通过自适应地学习算法中的激活函数最终实现语音信号的盲源分离。此算法经过仿真实验,证明分离效果比传统算法有了一定的改进,实验结果证实算法的有效性。 相似文献
7.
压缩感知理论提供了一种全新的信号获取方式:引入信号的稀疏性,利用少量观测值,通过重构算法实现信号的高精度重构。构建快速、稳定的重构算法是压缩感知理论的主要研究方向之一。为了解决子空间追踪算法依赖于稀疏度的先验信息和重构质量较差的问题,提出一种改进的自适应子空间追踪算法。算法在选择原子的过程中,引入弱选择标准自适应地选择初始候选集,接着通过正则化过程对初始候选集中的原子进行筛选,算法在选择最终支撑集过程中,可以自适应调节支撑集原子个数。应用一维随机信号和二维图像进行重构实验,测试算法的稳定性、重构精度和重构时间,与正交匹配追踪算法、子空间追踪算法、正则化正交匹配追踪算法和稀疏度自适应匹配追踪算法进行对比实验,实验结果表明所提算法可以实现信号的高精度重构,重构稳定性和重构精度与同类算法相比有明显提升。 相似文献
8.
传统稀疏分解算法正交匹配追踪(OMP)算法里采用内积最大值来寻找最优原子,该方法容易陷入局部最优,为了弥补这一缺点,采用了新的算法:A*OMP算法,该算法使用A*搜索(即最佳优先搜索技术)寻找最优原子,该搜索方式寻找的最优原子具有全局最优性。实验表明相比传统OMP算法而言,该算法有效地提高了信号的重构精度。 相似文献
9.
10.
11.
12.
13.
一种压缩感知重构算法 总被引:6,自引:0,他引:6
为提高压缩感知重构精度,该文提出一种分段弱阈值修正共轭梯度追踪算法。该算法修正了方向追踪算法的方向,明确给出了搜寻原子下标的停止迭代准则,利用搜寻所得下标集通过最小二乘法得到稀疏信号的估计值。仿真结果表明在同等稀疏的条件下实现精确重构,该算法与匹配追踪(MP)算法和分段正交匹配追踪FDR阈值算法(StOMP-FDR)相比,所需的观测值个数少20%;在处理2维图像信号时,其重构精度比分段正交匹配追踪FAR阈值算法(StOMP-FAR)和贝叶斯算法(BCS)高1%。 相似文献
14.
一种改进的稀疏度自适应匹配追踪算法 总被引:3,自引:2,他引:1
压缩感知理论是一种充分利用信号稀疏性或可压缩性的全新信号获取和处理理论。针对未知稀疏度信号重构,提出了一种改进的稀疏度自适应匹配追踪算法。该算法首先利用一种基于原子匹配测试的方法得到信号稀疏度的初始估计,然后在稀疏度自适应匹配追踪(SAMP)框架下采用变步长分阶段思想实现稀疏度的逼近,在初始阶段利用大步长实现稀疏度的快速粗接近,以提高收敛速度,在随后的迭代中逐渐减小步长,实现稀疏度的精逼近,最终实现信号的精确重构。理论分析和仿真结果表明,该算法在一定程度上解决了SAMP算法在大稀疏度条件下运算量较大以及固定步长导致的欠估计和过估计问题,较好地实现了未知稀疏度信号的精确重建,并且重建性能和重建效率均优于现有的同类算法。 相似文献
15.
针对传统稀疏重构算法需要信道稀疏度先验信息、复杂度高、不利于实际应用的问题,提出了一种新的基于波束空间分解的稀疏度自适应毫米波信道估计算法。该算法利用毫米波信道稀疏性的特点对信道进行波束空间分解,构造基于码本的感知矩阵,获得l1范数约束问题模型;其次结合分段弱匹配追踪算法,采用弱阈值从感知矩阵筛选原子,再通过分组选择机制对选择的原子进行二次优化;最后根据最小二乘法估计出毫米波信道。仿真结果表明,所提算法的估计精度和复杂度在低信噪比和低训练长度情况下明显优于传统匹配追踪算法。 相似文献
16.
正则化正交匹配追踪算法是一种广泛被使用的压缩感知重构算法,但其需要已知信号的稀疏度。针对这一缺点,本文提出一种回溯正则化自适应匹配追踪算法。该算法基于正则化正交匹配追踪算法进行改进,首先采用设置模糊阈值的方式初始化选取一些原子,然后对其进行正则化,最后采用回溯的方式删掉个别错误的原子。在每次迭代中,不断更新支撑集的同时扩大支撑集,以逐步逼近信号的稀疏度。实验结果表明,在相同的测试条件下,改进后的算法与其他贪婪算法相比,无论是对一维稀疏信号还是二维图像,均取得了更好的重建效果,且运行时间也比较适中。 相似文献
17.
稀疏表示理论在军事目标识别、雷达目标参数估计等领域应用越来越广,而目标信号的稀疏表示通常不唯一,因此产生了大量的稀疏表示算法。本文基于现有稀疏表示算法的研究,提出一种改进的正交匹配追踪(OMP)算法。首先采用非线性下降的阈值更快速地选择原子,确定备选原子集,提高了算法速度;其次用正则化的二次筛选剔除备选原子集中能量较低的原子,保证了算法精确度;并设置迭代停止条件实现算法的稀疏度自适应。实验结果表明,本文算法可以实现稀疏表示求解精确度和速度上的平衡,求解速度比基追踪(BP)算法快,精确度比OMP、正则化OMP(ROMP)、基于自适应OMP回溯(BAOMP)算法高。 相似文献
18.
将信号稀疏分解——正交匹配追踪(Orthogonal Matching Pursuit,OMP)引入到阵列
信号处理领域,在OMP分解的基础上,提出了宽带Chirp信号多参数估计方法。首
先根据宽带Chirp信号形式建立过完备原子库,对阵列接收信号在该过完备原子库上利用
OMP做稀疏分解,从而由最佳匹配原子的参数获得信号的起始频率和调频斜率的估
计,得到宽带Chirp信号形式。在此基础上,再根据阵列结构和已获得的宽带Chirp信号形式
建立另一个原子库,通过计算阵列接收数据与原子库中原子之间的互相关矩阵的迹,搜索迹
的最大峰值找出最匹配的原子,进而由最佳原子的参数获得信号的波达方向角度(Directio
n of Arrival, DOA)的估计。仿真实验证明了该算法对参数估计的有效性,并且表明与WVD
(
WignerVille Distribution)方法相比,该方法能更有效地对信号的波达方向角度进行估
计。 相似文献
19.
针对光纤布拉格光栅(FBG)传感信号难以去除噪声 干扰及信号丢失问题,采用压缩感知(CS)对传感信号进行处理。CS 重构算法多是 以稀疏度已知为 先验条件,提出稀疏度确定方法,结合二次正交匹配追踪(TOMP)算法和广义正交匹配追踪(G OMP)算法提出广义二次正交匹配追踪 (GtOMP)算法,确定每次迭代选择原子个数及迭代次数。 首先计算相关系数,归一化后按降序排列,并结合饱和值的方法确定稀疏度,利用平稳度找 出每次迭代所 选择的原子个数,最后利用本文方法对FBG信号进行重构。实验仿真表明,与同类的TOMP 算法相比,本 文算法不仅运行时间大大减少,而且降低了6~20%的重构误差;与其 他不同类算法相比,本 文算法重构信号的信噪比(SNR)提高27dB以上。 相似文献
20.
本文提出了一种基于数据驱动字典和过完备稀疏表示的自适应语音增强方法。首先在训练阶段采用干净语音基于K奇异值分解(K singular value decomposition, K SVD)算法训练过完备字典,然后在测试阶段根据含噪语音的噪声方差自适应选择最优的阈值,采用正交匹配追踪算法对含噪语音信号在过完备字典上进行稀疏分解,最后利用系数稀疏表示重构语音信号,从而达到语音增强的目。该方法不像传统语音增强方法那样减少或消去噪声,而是从字典中选取适当的原子表示纯净信号,从而把纯净信号从含噪信号中分离出来。对白噪声和有色噪声环境下重构语音进行了主客观评价。仿真结果显示:该方法能有效去除加性噪声,并且改善了语音质量。 相似文献