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。     

一种贪婪自适应压缩感知重构

为了优化压缩采样匹配追踪算法的性能,提出一种压缩采样修正匹配追踪贪婪自适应算法.该算法采用了具有理论保证的模糊阈值预选方案以避免预选时使用信号的先验信息,设置了初次裁剪门限以减少不必要的迭代,改进了裁剪方式以尽可能地提高重构精度,同时避免了裁剪阶段使用先验信息,最终实现了可压缩信号的自适应重构.仿真结果表明:在同等稀疏条件下实现了精确重构,该算法与原算法相比运算速度提高了2倍,所需观测值个数少1%,并且在稀疏度较高的情况下,该算法对噪声的抗干扰能力也优于原算法.     

基于自适应匹配追踪的MIMO-OFDM窄带干扰检测

针对基于压缩感知的MIMO-OFDM窄带干扰检测存在检测时间较长的问题,提出一种基于压缩感知的自适应匹配追踪窄带干扰信号检测算法。通过建立窄带干扰在频域的稀疏模型,提出将目前压缩感知中解决稀疏信号重构效果较好的自适应匹配追踪算法应用到窄带干扰信号检测中。理论分析与实验仿真结果表明,在干扰数目增加的情况下,本文算法不仅能够精准地重构窄带干扰信号,完成窄带干扰信号的精确检测,而且在检测时间方面具有更为明显的优势。     

一种稀疏度自适应超宽带信道估计算法

针对在超宽带信道估计中应用压缩感知理论需要预知信道稀疏度的问题,利用超宽带信道在时域上的稀疏性,将信道估计问题转化为压缩感知理论中的稀疏向量重构问题,提出了稀疏度自适应正则化压缩采样匹配追踪（SARCoSaMP）算法。该算法在压缩采样匹配追踪（CoSaMP）算法的基础上,引入自适应和正则化方法,自动调整所选原子数目,逐步逼近信道稀疏度K,在稀疏度未知的情况下精确地实现信道估计。仿真结果表明,该算法可有效应用于超宽带系统的信道估计,并且其性能明显优于CoSaMP算法和稀疏自适应匹配追踪（SAMP）算法。     

一种快速的基于压缩感知的多普勒高分辨方法

利用雷达目标在多普勒域的稀疏性,基于压缩感知的目标多普勒估计方法,能够在有限的相干积累时间内实现多普勒的高分辨.然而,即使采用压缩感知中的一种高效算法——正交匹配追踪算法,其运算复杂度也相对较高.为了进一步降低运算复杂度,对接收脉冲进行分组,将一维的多普勒估计问题转化为一个二维的稀疏信号重构问题,进而利用一种针对二维稀疏信号优化的低复杂度正交匹配追踪算法对其进行估计.仿真表明,该方法具有较高的运算效率,并能够获得接近直接应用传统的正交匹配追踪算法的多普勒分辨率.     

梯度投影法求解压缩感知信号重构问题

将结合Barzilai-Borwein步长和非单调线搜索的梯度投影法用于压缩感知信号重构.分析了Barzilai-Borwein步长计算方法,结合其特点给出了非单调线搜索方法,为降低线搜索对算法性能的影响,引入了自适应的策略,最后给出了算法收敛性分析.实验结果表明,该算法能很好地重构不同稀疏度的信号,且在相同条件下,计算效率优于经典的基追踪法、正交匹配追踪和其他梯度投影法.     

一种改进的跳频信号时频分析方法

利用正交匹配追踪的稀疏表示算法进行跳频信号时频分析时,性能受到傅里叶基矩阵长度和稀疏度未知的限制。针对此问题,结合跳频信号特点对稀疏表示算法加以改进:将跳频信号分段,对每段信号进行傅里叶变换并进行门限检测,得到频率预估计值和信号稀疏度;利用频率预估计值构造频率细化子傅里叶基矩阵;基于正交匹配追踪算法得时频谱图。在运算量相同的情况下,改进方法比直接采用正交匹配追踪算法可获得更高精度的时频谱。     

自适应匹配追踪的OFDM系统窄带干扰检测

针对在OFDM通信系统中,基于压缩感知的窄带干扰检测时间过长的问题,提出了将自适应匹配追踪算法应用到压缩感知理论的信号重构过程中的算法。该算法可在未知干扰稀疏度的情况下,自适应地调整候选集原子的个数,在低于奈奎斯特采样频率前提下,快速实现单个及多个窄带干扰信号检测。仿真结果表明:所提算法能够有效地实现窄带干扰检测且运行速度快,改善了OFDM通信系统的性能。     

两种基于SVD的稀疏重构解相干改进算法

针对稀疏重构中正交匹配追踪(OMP)算法解相干问题,利用接收数据构造目标矩阵奇异值分解(SVD)后的大特征值对应的特征矢量,提出了两种改进解相干算法(NSO算法和MNSO算法).首先根据稀疏重构的框架下的阵列DOA估计模型,理论上分析了经典OMP算法、NSO算法和MNSO算法的运算量和重构精度,然后给出了算法性能的仿真结果.仿真结果表明,相对于经典OMP算法,两种改进算法的运算速度更快,稀疏重构效果更优.理论分析和仿真结果验证了两种改进算法的良好性能.     

移动机器人环境视觉图像小波稀疏压缩传感与恢复重构

基于最新压缩传感技术理论,采用小波稀疏方法和正交匹配跟踪算法,对移动机器人常规环境视觉图像压缩传感存储与恢复重构进行了研究.结果表明：进行小波稀疏的压缩传感编码可以大大减少机器人环境视觉图像信息量,降低存储与传输代价,通过正交匹配追踪算法恢复的视觉图像,可以满足机器人常规环境视觉探测.     

基于斜投影算子的压缩采样匹配追踪算法

斜投影匹配追踪算法较正交匹配追踪算法针对非正交字典的重构能力有了大幅提高,但受噪声影响大。该文通过投影矩阵迭代公式导出斜投影匹配追踪算法,并引入回溯的思想,提出基于斜投影算子的压缩采样匹配追踪算法,有效降低了噪声的影响和非正交投影产生的误差,提高了重构精度。仿真结果表明,算法的重构效果优于其它同类算法。     

FRFT域LFM雷达回波信号的压缩采样模型

针对宽带雷达线性调频信号(Linear Frequency Modulated,LFM)带宽大、采样率高、存储容量要求高的问题,设计了一种基于压缩感知的 LFM雷达回波信号的欠采样整体方案。首先,利用 LFM信号在分数阶傅里叶变换(FRactional Fourier Transform,FRFT)域上良好的能量聚集特点,提出了一种基于DFRFT核矩阵的正交基字典构造方法,在此基字典的基础上利用随机解调器和匹配追踪类算法构建了一个 LFM雷达回波信号的压缩采样和重构系统模型。仿真结果验证了 FRFT域处理 LFM雷达回波信号的可行性和有效性,LFM雷达信号在该正交基字典上的稀疏表示效果要优于现有的波形匹配字典,而且具有更好的抗噪性能和自适应性能。     

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。     

基于稀疏重构的窄带弱信号时延估计算法

提出了一种基于稀疏重构的窄带弱信号时延估计算法.利用信号的互相关谱构造数据矩阵,然后建立时延参数的冗余字典,最后通过矩阵奇异值分解在信号子空间中利用正交匹配追踪算法得到高精度时延估计.理论分析和仿真实验验证了算法的正确性和有效性.相比于传统方法,该算法可将窄带弱信号时延估计精度提高约1倍.     

基于优化离散差分进化算法的压缩感知信号重构

针对传统压缩感知重构算法严重依赖稀疏度、重构精准度不高的缺陷,提出了一种基于优化离散差分进化(ODDE)算法,对进化种群进行分析,在实现种群有效聚类的同时提高了种群学习进化的针对性和科学性.重新定义了差分进化粒子的编码方式和进化机制,并将优化后的离散差分进化算法应用于压缩感知重构方法中.将稀疏度未知信号等效为粒子编码,通过种群迭代进化实现了稀疏信号的精确重构.仿真结果表明,与StOMP等传统重构算法相比,本文方法可以显著提高重构精度、降低重构时间.     

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．     

基于压缩感知的电能质量扰动信号分析

电能质量扰动信号是衡量电能质量的一个重要指标,因此对电能质量扰动信号进行准确检测是提高电能质量的前提。针对传统采样方法中采样数据量大、采样时间较长以及压缩复杂度高的问题,本文基于压缩感知理论对电能质量扰动信号进行重构,首先证明电能质量扰动信号的稀疏性满足压缩感知的必备条件;采用自适应测量矩阵对电能质量扰动信号数据进行压缩采样,同时,采用谱投影梯度实现了对电能质量扰动信号的精确重构。仿真结果表明,本文采用的压缩感知恢复算法不但可以降低采样数据量和压缩复杂度,其重构误差小,压缩性能指标比较好。     

改进的离散混合蛙跳算法压缩感知信号重构及应用

针对工程离散优化问题特点,定义了具有普遍意义的青蛙编码方式,设计了编码位调换更新机制,提出了自适应权重因子和双模子族群策略。在此基础上,将改进的离散混合蛙跳算法(Discrete shuffled frog leaping algorithm,DSFLA)应用于压缩感知重构算法中,将未知重构信号理解为青蛙编码方式,利用DSFLA算法全局寻优能力得到次最优信号重构信息,从而实现了稀疏度未知情况下的信号重构。最后对典型TSP(Travelling salesman problem)问题算例和WSNs多目标定位问题进行仿真,仿真结果表明:改进的DSFLA具有更强的复杂问题求解能力,基于改进DSFLA压缩感知重构算法的WSNs目标定位精度优于传统信号重构算法,且抗噪能力达到25~45dB。     

基于压缩感知的三相电能质量扰动信号压缩及分类新方法

首先,选取傅立叶基作为压缩感知中的过完备字典、高斯随机矩阵作为观测矩阵、正交匹配追踪(OMP)算法作为重构算法,对电能质量扰动信号进行压缩采样。然后,采用灰度共生矩阵纹理特征中的能量特征值、灰度值出现概率两种方法对压缩感知重构信号进行分类检测。试验结果表明:本文方法可以同时实现对三相电能质量信号的压缩重构,也可以实现对信号的准确分类,并减少了信号压缩采样过程中的数据量。