Riker子波匹配追踪算法及其改进

匹配追踪（Matching Pursuit）算法的基本思想是基于信号的可分解和重构,是在一个确定的函数集合中自适应地选择一些函数来表示一个信号的计算过程,函数集合中的每个函数都称为原子。本文利用奇异值分解对传统的匹配追踪算法进行了改进,提高收敛速度、计算速度以及重构精度,并将得到的时频分布与其他方法进行对比,测验结果证明了改进算法的高效性和有效性。     

基于差分演化-MP的快速信号稀疏分解

利用差分演化算法具有鲁棒性强和全局收敛性好的优点,提出了一种基于差分演化的匹配追踪算法(DE-MP)。算法使用差分演化(DE)算法替换传统匹配追踪(MP)算法中的遍历搜索策略,优化了寻找稀疏分解最优原子的过程,从而大大降低了算法复杂度。此外,DE算法特殊的搜索策略很好地提高MP的全局收敛性,进一步提高了稀疏分解的准确性。通过对雷达仿真信号和语音信号仿真实验结果表明:与传统MP算法相比,差分演化匹配追踪算法(DE-MP)在计算速度上提高了两个数量级,在收敛精度上也有明显提高,且收敛精度优于其他改进MP算法。     

基于Ricker子波的指数追踪地震信号分解算法

针对目前匹配追踪算法计算效率低的缺点,以Ricker子波作为母函数,提出了指数追踪地震信号分解算法.通过在地震振幅包络极值点处利用指数分布函数进行拟合,求取匹配子波峰值频率,然后利用阻尼最小二乘法求出匹配子波的复振幅,最终将地震信号分解为一系列匹配子波的线性组合.结果表明:相对于复数域快速匹配追踪算法,基于Ricker子波的指数追踪算法在保持地震数据分解精度的前提下,计算效率进一步提高;对于时间采样点数为201的地震剖面,指数追踪算法的计算效率是复数域快速匹配追踪算法的13倍;对于时间采样点数为1 501的地震剖面,计算效率是复数域快速匹配追踪算法的24倍.     

一种冗余字典下的信号稀疏分解新方法

针对目前冗余字典下信号稀疏分解常用算法计算复杂度高的问题,提出一种分组匹配追踪算法．该算法首先利用多组正交基构造冗余字典,然后采用迭代式分组匹配追踪,每次迭代从字典中选出一组和原始信号或残余最匹配的正交基,采用正交分解快速算法进行正交分解得到少量重要系数,多次迭代后逐渐稀疏逼近原始信号．实验结果表明,基于小波正交基级联冗余字典进行信号稀疏分解时,在同等稀疏条件下,与匹配追踪(MP)算法相比,该算法的计算速度提高了大约30倍,而且可避免过匹配现象．     

采用压缩感知的贝叶斯信道估计算法

高阶多输入多输出系统能有效提高能量效率和传输可靠性,但由于天线数量巨大,信道参数估计任务艰巨．虽然支持不可知的贝叶斯匹配追踪算法估计准确,但复杂度过高．为了解决这个问题,提出了一种期望修剪匹配追踪算法．在信道每一个稀疏度下,把与当前残差信号内积较大原子(测量矩阵列矢量)的所在位置添加到支撑集中,组成扩大支撑集;然后对扩大支撑集进行筛选,剔除可能选错的位置,并确定最佳支撑集;计算各个稀疏度最佳支撑集对应信道的估计值和相对发生概率,由此计算信道的数学期望,并作为最终的信道估计值．仿真结果表明,文中算法与支持不可知的贝叶斯匹配追踪算法相比,具有更低复杂度的期望修剪匹配追踪算法能保证信道估计精度和系统误比特率性能．     

一种改进的正则化自适应匹配追踪算法

针对压缩感知中未知稀疏度信号的重构问题,提出了一种改进的正则化自适应匹配追踪算法。它通过自适应变步长迭代对信号稀疏度进行估计,并将其作为初始支撑集长度,然后在分阶段迭代中正则化筛选原子,最终实现信号的精确重构。仿真结果表明,该算法重构信号的性能和效率均优于子空间追踪算法、正交匹配追踪算法和稀疏度自适应匹配追踪算法。     

基于改进粒子群算法的匹配追踪分解优化研究

文章针对使用牛顿法进行匹配追踪分解信号的速度慢、精度低等问题,在具有全局优化能力的粒子群算法基础上,提出了一种结合局部单纯形搜索并引入变异操作的改进粒子群算法实现信号匹配追踪分解.利用单纯形搜索增加了算法的局部开发能力,通过变异操作控制种群多样性以避免早熟收敛,增强了算法全局探测能力;并以描述机械系统的振动冲击响应作为基原子与单一粒子群算法实现匹配追踪分解信号的结果进行对比,证明了使用改进粒子群算法的匹配追踪分解能够快速准确提取信号特征参数,同时成功识别出某轴承发生外圈损伤时隐含在振动信号中的周期性冲击脉冲故障特征.结果表明,加入单纯形和变异的改进粒子群算法有效降低了匹配追踪计算复杂度,提高了信号特征提取准确度.     

Gabor和Chirplet字典中的子空间匹配追踪算法对比

对比了Gabor和Chirplet字典中的时频原子,研究了Chirplet时频字典中的子空间匹配追踪算法.该算法由时频分布确定chirp原子的时频中心,然后在时频中心保持不变的条件下搜索原子的尺度和调频率.同Gabor字典中的标准匹配追踪算法、子空间匹配追踪算法相比,Chirplet字典中的子空间匹配追踪算法对信号的逼近所需原子数更少,对实测语音信号的数值计算证实了这一点.     

基于MP-OGA的地面移动目标微多普勒信号识别

受实际环境中背景噪声的影响,地面移动目标微多普勒信号常常被主体信号淹没。为提取有效的的目标微动特征,提出一种新的基于匹配跟踪(MP)稀疏分解和优化遗传算法(OGA)的自适应特征识别方法(MP-OGA),并首次将该算法应用于地面移动目标微多普勒信号的特征提取。首先针对传统遗传算法易陷入局部最优的缺点进行有效地优化,并将优化的遗传算法引入自适应稀疏分解的改进中,提高算法的分解速度减少计算代价,实现原子的自适应搜索和信号的特征提取。同时,以多类实际测量得到的、包含大量噪声信号的微多普勒雷达信号作为样本信号,利用支持向量机(SVM)成功实现了低信噪比条件下各类目标的识别,平均识别率高达96.5%。     

基于改进子空间追踪算法的冲击波信号采集

工程实践中采集冲击波信号时须保持较高采样率,且对信号的重构效果要求较高。针对以上问题,将压缩感知理论用于冲击波信号测试,并针对重构算法中的子空间追踪算法进行改进,引入正交匹配追踪算法选择原子的思想来构建初始支撑集,从而降低采样率和提高信号重构效果。在5psi和50psi传感器实测冲击波信号上的实验结果表明,本文算法与未改进前的SP算法相比具有更好的重构效果,重构误差减小,算法运行效率提高70%。     

基于直方图匹配的艺术Mosaic图像并行拼贴

为获得高质量的艺术Mosaic图像拼贴视觉效果,提出基于直方图匹配的并行拼贴算法。根据直方图距离挑选原图像分割块中最佳匹配子图像,采用直方图匹配法对艺术Mosaic图像进行颜色校正。拼贴算法中,原图像分割、直方图比较、颜色校正及子图像填充过程均使用基于CUDA(统一计算设备架构)的GPU(图形处理器)并行计算,通过实验分析和用户调查验证本文算法的有效性。结果表明:与传统基于颜色均值的颜色校正法相比,本文算法拼贴结果更接近原图,整体视觉效果更协调;基于CUDA的GPU并行计算提高了算法效率,从而实现交互式艺术Mosaic图像递归式拼贴。     

基于匹配追踪的配电网单相接地故障定位方法

为了进一步解决采用小电流接地系统的配电网单相接地故障定位问题,利用原子稀疏分解匹配追踪算法分解单相接地电流暂态信号,自适应地提取衰减的直流电流分量.结合配电网拓扑结构和提取的衰减直流分量幅值,划分故障路径并进一步定位故障点.仿真结果表明,匹配追踪算法可以快速有效地提取衰减直流分量,准确地实现小电流接地系统单相接地故障的在线区段定位.相比于传统算法,原子稀疏分解理论克服了传统非自适应性算法的局限性,提高了暂态信号成分提取的准确性.     

改进Chirplet时频原子的非线性调频信号分解

针对Chirplet时频原子对正弦类型的非线性调频信号的分解性能较弱的问题,提出一种改进的Chirplet时频原子．首先从理论上分析Chirplet时频原子对正弦类型的时频分布的失配问题,其次在Chirplet时频原子中加入正弦调频因子,使原子的时频曲线产生类正弦形状的弯曲性能,最后使用遗传算法代替匹配追踪算法,提高原子搜索效率．仿真实验结果表明,改进的Chirplet原子对于非线性调频信号的分解性能与Gabor、Chirplet和FM^mlet原子相比,有了较大的提升．     

Atom-RQEA在短时闪变严重度计算中的应用

短时闪变严重度P_(st)是衡量电能质量的一个重要指标,为提高P_(st)的计算精度,提出了基于原子稀疏分解和实数编码量子进化算法(Atom-RQEA)相结合的短时闪变严重度计算方法。其核心是根据电压波动与闪变信号的特点构造了原子库,由实数编码量子进化算法优化原子特征参数,自适应选择最佳匹配原子重构电压波动信号,进而计算短时闪变严重度P_(st)。仿真结果表明:基于Atom-RQEA方法,能够提高短时闪变严重度P_(st)计算精度,验证了提出方法的有效性和适用性。     

交通信号干线协调控制经典数值计算法的改进

对干线协调控制经典数值算法进行了深入分析,指出了经典数值算法的不足之处.提出了经过修正的绿波带宽度计算方法、交叉口信号相位差计算方法以及实际交叉口与理想交叉口的匹配方法.分析表明,利用改进后的数值算法能实现各实际交叉口与理想交叉口的最佳匹配,计算得出的绿波带宽度和各交叉口信号相位差也更加准确.     

基于快速正交匹配追踪的无线传感网中目标定位算法

高效准确的多目标定位是无线传感器网的基本任务之一。传统基于贪婪类的稀疏表示方法在多目标定位中计算效率不高。针对该问题,提出一种基于QR分解的快速正交匹配追踪的多目标定位算法。该算法对无线传感器覆盖区域进行网格划分来设计过完备字典,从而将多目标定位问题转化为稀疏信号恢复问题。该方法利用了传感器接收目标信号强度的稀疏特性,然后使用快速正交匹配追踪来恢复测量值,进而通过稀疏性来定位目标。通过列满秩矩阵的QR分解思想,利用递归形式来对子字典矩阵求逆,避免了传统方法中对该矩阵的直接求逆,使得运算量大为降低。仿真结果表明,与传统的正交匹配追踪压缩感知重构方法相比,该方法不损失定位精度,提高了运算效率。     

压缩感知重构算法的并行化及GPU加速

针对压缩感知重构算法计算实时性太差的问题,提出压缩采样追踪匹配(compressive sampling matching pursuit,CoSaMP)算法的并行化加速算法。 基于多线程技术实现重构算法的粗粒度并行化,分析CoSaMP算法的计算热点,将其中耗时较多的矩阵操作移植在图形处理器(graphics processing unit, GPU)上,实现算法的细粒度并行化。在测试图像上进行试验,结果表明:并行化加速算法取得50倍的加速效果,有效地降低重构算法的计算时间开销。     

基于改进OMP算法输电线路故障测距研究

在正交匹配追踪(OMP)算法的基础上增加了Jaccard系数以提高其对相似原子的辨识能力,重新构建出更准确的信号以获取故障行波固有频率进行故障测距。在SIMULINK上搭建仿真模型验证表明:在单相接地、两相短路、三相短路等不同的故障类型、不同的故障距离和不同的过渡电阻情况下,改进算法定位精度较高。     

声波方程逆时偏移中的无分裂PML吸收边界条件

逆时偏移是当前地震资料处理的前沿技术,吸收边界条件是逆时偏移技术的重要组成部分。目前,业界常用的基于波场分裂思路的完全匹配层PML(Perfectly Matched Layer)吸收边界条件在改善边界吸收效果和改进偏移成像质量方面发挥了巨大作用,但这种方法需要在边界处为分裂后的各个分量开辟额外的内存空间,且需要分边角处理,增加了逆时偏移技术的内存负担和计算开销。为了减少内存负担和提高计算效率,首先从双程声波方程出发,推导了声波方程的无分裂PML吸收边界条件,然后给出该边界条件下波动方程逆时延拓的数值实现过程。理论分析和模型实验结果得到:无分裂PML边界条件具有与分裂算法相同的边界吸收效果,并且基于无分裂PML的逆时偏移算法效率更高,更便于程序代码的编写和GPU(Graphic Processing Unit)的并行实现。     

LMD与优化OMP算法的滚动轴承故障诊断方法研究

针对K-SVD算法在构建字典时字典原子易受噪声干扰混入虚假原子,正交匹配追踪(OMP)算法不易区分相似原子以及迭代终止条件难以确定问题,提出一种基于局部均值分解(LMD)与优化OMP算法的故障特征提取模型。该模型首先采用LMD算法分解信号,根据皮尔逊相关系数法选取最优PF分量作为样本信号构建字典;然后在OMP算法基础上引入Jaccard系数和峭度最大准则,解出稀疏系数并重构信号;最后进行仿真和实验数据分析。结果表明,基于LMD与优化OMP的故障特征提取模型对滚动轴承故障特征提取效果有改善。