基于局部性质的改进正交匹配追踪算法

正交匹配追踪算法是一种重要的压缩感知重构算法,针对正交匹配追踪算法中当前信号的最优估计,每一个采样点都有它的局部性质,且相邻采样点之间必然相互影响.本文基于局部性质,对正交匹配追踪算法进行改进,提高了对稀疏参数的估计精度,实现了信号的重构,实验证明了该方法的有效性。     

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。     

GPU并行在匹配追踪算法中的应用

匹配追踪算法(Matching Pursuit,MP)通过在过完备原子库中寻找与给定地震信号匹配最佳的原子,将地震信号分解为一系列原子的和。该算法实现了对地震信号的重构,突出了使地震剖面的有效信息特征更加突出。在实际资料应用中,传统匹配追踪算法(Matching Pursuit,MP)由于采样时间长度和剖面过大,存在计算速度慢的问题。为了进一步提高计算效率,通过GPU(Graphic Processing Unit)进行多原子并行匹配,并采用拟合差代替内积来寻找最佳原子,在传统算法的基础上改进得到一种匹配追踪GPU并行算法。将该算法应用于合成数据和实际资料,结果均表明本文的改进算法具有更高的计算效率。     

基于分布式压缩感知的微震数据压缩与重构

针对分布式微震监测环境下微震数据量大的问题,引入分布式压缩感知理论对微震数据进行压缩以减小数据传输量.首先分析微震信号的稀疏性,其次模拟分布式场景,分析了分布式微震传感器节点的空间相关性及其编码与压缩处理过程.基于广义正交匹配追踪算法及稀疏度自适应匹配追踪算法,提出了一种改进的分布式稀疏度自适应正交匹配追踪重构算法,并分析了改进算法的性能.基于MATLAB仿真平台,用改进的算法重构稀疏测量后的分布式微震信号,仿真结果表明:改进后的算法在数据量减少了将近7/10时,依然可以快速精确的重构出原始微震信号.     

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.     

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.     

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．     

改进鲸群优化子空间匹配追踪的稀疏解混算法

为了提升高光谱图像的稀疏解混精度,提出一种基于改进鲸群优化算法的子空间匹配追踪(improved whale optimized subspace matching pursuit,IWOSMP)的稀疏解混算法.对鲸群优化算法进行改进,通过引入非线性种群控制参数和进化策略,提高鲸群优化算法的收敛速度和收敛精度,基于子空间匹配追踪算法,以约束稀疏回归为目标函数,利用改进的鲸群优化算法对已知端元集求解丰度系数.以重构误差最小为标准,通过最大程度地去除系数较小的冗余端元,提高子空间匹配追踪算法的端元提取的精确度,进一步提高了高光谱图像的解混精度.合成图像实验和真实遥感图像实验表明,IWOSMP能有效去除大量的冗余端元,且解混精度更高.     

一种粮粒图像快速重构方法

针对粮情实时检测过程中图像清晰度下降,给后续分析造成困难的问题,提出一种新的图像重建记忆梯度追踪(MGP)算法,用于减少压缩感知方向追踪算法的重构时间并提高重构精度。该算法结合正则化正交匹配追踪(ROMP)的元胞生成方法,利用非单调非精确阿米霍线搜索方法确定迭代步长,利用MGP算法锁定搜索方向,可以在保证图像重构精度的同时,缩短重构时间。对原有MGP算法的方向参数公式进行了推导和改进,得到了效率更高的计算公式,使得算法的运行时间较共轭梯度追踪算法节省30%,并可精确重构二维粮粒图像信号。本算法的运行结果表明,在相同硬件平台下,其二维粮粒图像信号的重构性能优于其他的同类重构算法。     

基于再生核空间的语音信号的正交分解与实现算法

提出了一种在Hilbert空间W21[a,b]中对语音信号进行正交分解的方法及其实现算法.利用Hilbert空间W21[a,b]的再生核函数构造一组{φj*(x)}1n标准正交函数组,基于该函数组{φj*(x)}1n对语音信号实施正交分解,再根据W21[a,b]中再生核函数的性质给出了计算正交分解系数的快速算法.该方法将离散的问题影射到连续函数空间中进行处理,同时将Hilbert空间中的内积计算问题转化为函数在离散点的取值问题.实验结果表明,该方法可用于语音信号重建与特征抽取.     

考虑腐蚀的城市燃气管网抗震可靠度分析

基于马尔可夫过程原理提出了管线腐蚀发生模型,结合线性腐蚀发展模型,获得了埋地管线截面面积的概率密度函数。在此基础上,利用弹性地基梁原理给出了管线在地震作用下的地震反应,采用随机摄动方法给出了腐蚀管线地震反应的均值和标准差。根据规范公式建立了地震下管线极限状态方程,进而获得管线抗震可靠度。利用改进最小路递推分解算法进行了管网的抗震可靠度分析。该算法以网络最小路为分解策略,利用布尔运算原理给出了网络的递推分解格式,可以同时获得管网的不交最小路和不交最小割,进而利用概率不等式给出满足工程精度的结果。利用上述方法对一个工程实例进行了抗震可靠度分析。     

基于输入输出模型的双时标分散控制方法

针对不同通道的过程动态响应速度具有显著差异的多变量系统,提出了一种基于时标分解的双时标分散控制方法.由于控制中的过程模型一般都是由实验测试方法得到的输入输出模型,该方法是以系统输入输出模型为基础,在状态空间模型的框架下对系统进行基于奇异摄动理论的时标分解,并由分解得到的快、慢模型分别设计最优控制器.此方法实现了时标模型实际上的分离,并对2个子系统进行完全独立设计,给出了在最优二次型目标下的最优控制率.最后利用该方法仿真一个实际测得的三输入三输出的精馏塔模型,给出了设定值跟踪的仿真效果,验证了该方法的有效性.     

基于DAG解构的图近似包含查询算法

为解决图集近似包含查询,提出一种基于图解构的GCSS算法.该算法通过对图集中的目标图进行解构,得到图集中子图分布情况,并利用该子图分布建立索引.在此索引基础上的查询算法对图集进行近似包含查询,不但可以避免确定候选集的过程中产生过多子图同构测试,而且形成较小候选集,提高验证阶段效率.实验结果表明,GCSS算法能高效完成近似包含查询任务,得到图集中被查询图近似包含的正确结果.     

多频波动线谱自适应控制算法及试验

研究了多频波动线谱激励下的主动隔振控制问题,提出一种改进小波包自适应控制算法.传统的自适应算法难以同时控制多线谱,当线谱存在频率波动时,窄带滤波算法难以取得理想的控制效果.因此,将小波包分解算法应用在控制算法中,对信号进行等间距频带划分,采取并行控制策略完成多线谱控制.分析了不同小波基函数对信号分解的影响,确定最优小波基.针对虚有线谱和子频带过多导致的控制过盈问题,改进小波包分解算法,降低了计算量,消除子频带中虚有线谱.为每个子频带设置独立步长,并根据箕舌线函数修正迭代步长.搭建控制系统开展试验研究,结果表明,本文所提改进小波包自适应算法在多频波动线谱激励下能够取得良好的控制效果,线谱振动能量显著降低.     

具有独立分量的经验模态分解算法研究

在经验模态分解算法中用极值包络平均近似局部平均,不能保证分解分量之间的正交性,固有模态分量存在冗余.这种情况对信号成份分析尤为不利,冗余部分的物理意义无法解释,或可能作出错误的解释.将独立分量分析方法引入经验模态分解算法中,利用其良好的分解独立特性,使模态分量不仅正交而且相互独立,消除了冗余.仿真试验表明,改进算法的模态分量彼此独立,特别对于混有突变信号的周期信号,在得到周期分量的同时,也得到突变分量,说明了改进算法比原算法优越,且具有较好的工程应用前景.     

极小函数依赖集的正确算法及其证明

极小函数依赖集是关系数据库理论中的一个重要概念,它在模式分解中起到了重要作用,但是一些国内文献介绍的算法存在问题。本文通过一个例子说明了该极小函数依赖集算法的错误,给出了正确的算法,并且出具了详细证明。     

改进的二维经验模式分解方法

为了解决图像处理中应用到的传统二维经验模式分解算法存在边界效应和过度分解的问题,提出了一种改进的二维经验模式分解算法.该算法首先对原始图像的边界进行延拓处理,在图像信号的边界处增加一部分数据;然后对处理后的图像使用传统的二维经验模式分解方法进行图像筛分,筛分截止后对每个筛分过度的内在模式函数增加一个对应的补偿量.应用改进的二维经验模式分解算法对图像进行了处理,计算了处理后得到的重构图与原图的标准差.实验结果表明,改进的二维经验模式分解算法消除了边界效应,也解决了图像分解过度的问题.重构图与原图像的标准差很小,证明了重构图与原图的图像灰度波动很小即图像吻合得很好,并且由于处理边界问题时附加的图像信息并不多乃至计算量小,使处理简单易行,论证了改进的二维经验模式分解算法在图像处理中的可行性.     

一种基于XQuery的查询分解算法

针对查询分解算法查询的局限性和较低的查全率,提出了一种基于本体XQuery语言FWR表达式的查询分解算法．该算法利用XQuery全局查询语句,以FWR表达式的3项操作（构造查询范围、子查询条件和子查询输出属性集）将基于全局本体的查询分解到针对局部本体的子查询,能够降低查询分解的复杂性、保证查询的语义完整性,并能提高查全率．通过实例进行具体分析,验证了算法的有效性．     

Tensor decomposition of generalized generating function-based blind identification of underdetermined mixtures

Aimed at the problem of underdetermined blind identification, an algorithm based on generalized generating function decomposition is proposed, which no longer imposes sparsity restrictions on source signals. First, the second derivative matrices of the generalized generating function are stacked to the third-order tensor form, from which the number of source signals can be blindly estimated. Then the tensor is decomposed with singular value decomposition, and the mixture matrix is estimated by the joint diagonalization method. Simulation results validate the effectiveness of the proposed algorithm, and show that the proposed algorithm can acquire a better estimation precision than other classical algorithms with the same SNRs in the conditions of well-posed and underdetermined mixtures, meanwhile it extends the field of blind source separation application via the generalized generating function restricted only to the well-posed case.