迭代预测正交匹配追踪算法

正交匹配追踪系列算法中,每次迭代在原子库中选择和残差匹配的多个原子是主流的改进方向,但对多原子的选择标准却鲜有深入研究,一般是选择原子库中与残差相关系数中最大的K个原子,或者选择所有大于某一阈值的原子。本文以正交匹配追踪算法为原型,运用统计学方法,研究了相邻两次迭代中与残差相关系数最大的原子之间的关系,得出了其相关系数具有区间性的结论,这对一次迭代选择多个原子具有指导意义。该结论可以支撑对下一步迭代中的原子进行高概率预测。基于此,本文提出了迭代预测正交匹配追踪算法,实验结果表明,相对于其他匹配追踪算法,其在保证重构精度未降低的情况下,耗时有较大幅度降低。      

基于多原子快速匹配追踪的图像编码算法

该文提出一种多原子快速匹配追踪信号稀疏分解算法,并将其应用于静态图像编码。多原子匹配追踪通过每次迭代选取多个原子的形式,实现信号的快速稀疏分解。在此基础上,通过构造多尺度脊波字典实现图像的稀疏分解,并对稀疏分解的数据进行自适应量化和编码。实验结果表明,多原子匹配追踪获得了与匹配追踪相当的逼近性能,同时极大地提高了稀疏分解的速度。新的编码算法在低比特率情况下,获得了比JPEG2000更理想的编码性能。     

利用匹配追踪算法提取变电站内路径损耗参数

为了衡量变电站内电磁环境对无线通信设备的干扰,尤其是对无线信道的干扰,采用频域测量方法在110 kV和220 kV变电站内分别对430 MHz和470 MHz通信频段电磁波路径损耗进行了测量。针对变电站内电磁环境相对复杂的情况,提出了一种利用匹配追踪算法滤除噪声,提取路径损耗参数的方法。根据测量信号的特征,构建了与测量信号匹配而对噪声不敏感的高斯脉冲原子库。与常规的Gabor原子库相比,基于构建的高斯脉冲原子库的匹配追踪算法比传统的基于Gabor原子库的匹配追踪算法运算速度要快3~4倍,提高了匹配追踪算法的运算速度,减少了计算时间,获得了较好的降噪和信息提取的效果,为变电站内布置无线通信设备提供了理论依据和指导意义。     

非相干子字典多原子快速匹配追踪算法

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.     

基于子空间匹配追踪的信号稀疏逼近

信号的稀疏表示或最佳N项逼近在数据压缩、特征提取和模型降阶等领域得到了广泛的应用．最佳N项逼近是一个典型的NP难的问题．次最优的匹配追踪、正交匹配追踪和基匹配追踪是目前流行的算法．本文提出了一种新的算法——子空间匹配追踪．该算法可以克服匹配追踪算法中的过匹配现象,加速了算法收敛速度,同时计算量比正交匹配追踪小得多．最后,比较了匹配追踪、正交匹配追踪和子空间匹配追踪对仿真信号和语音信号的表示性能．表明了我们的方法有效均衡了计算量和收敛速度两方面的要求．     

基于遗传匹配追踪的图像修复算法

针对匹配追踪算法在过完备字典库中稀疏表示计算量大的问题,提出一种将遗传匹配追踪算法(GMP)与图像修复相结合以实现修复的方法。该算法采用GMP寻找最佳原子,改进选择算子,将精英保留策略、锦标赛选择方法及轮盘赌方法相结合。将混合选择算子应用到基于GMP的图像修复算法中,通过实验结果表明:该算法具有一定的可行性,并且修复效果很好。     

由时频分布引导的四参数子空间匹配追踪算法

为了克服四参数匹配追踪计算量巨大的缺点,本文提出了一种由时频分布引导的四参数子空间匹配追踪算法.该算法由引导时频分布确定chirp原子的时频中心,然后用模板匹配方法搜索原子的尺度和调频率(chirp rate).这样,一个高计算复杂度的四维搜索问题被转化为两个相对简单的二维搜索问题.为有效利用时频分布,每次搜索多个时频原子,这些原子不再相互正交.为此,我们利用最小二乘方法计算信号(或残差信号)在相应子空间上的正交投影.同快速脊追踪算法相比,四参数子空间匹配追踪需要更少的原子逼近信号,对实测语音信号的数值计算也证实了这点.     

用于压缩采样信号重建的回溯正则化自适应匹配追踪算法

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。      

基于改进杂草优化算法的DFCW参数估计

针对基于匹配追踪的离散频率编码信号(DFCW)参数估计方法中,利用传统优化算法搜索匹配原子时存在不成熟收敛的问题,提出一种改进的杂草优化(IWO)参数估计算法.该方法首先构造DFCW的过完备原子库,然后利用加入选择机制的IWO算法搜索其最佳匹配原子即全局最优值,在获取与信号分量相匹配的原子参数基础上,基于时频平面进行参数估计.仿真结果表明,该算法在低信噪比条件下的参数估计性能优予传统优化算法.     

基于追踪算法的信号稀疏分解方法

信号稀疏分解是获取非平稳信号本质属性的有力工具。原子库的紧致性和最佳原子的搜索方式是分解算法的关键问题。在给出稀疏分解算法基本模型的基础上,阐述了匹配追踪和基追踪算法的基本原理,着重分析了两类算法的融合思想和智能优化在信号稀疏分解中的应用。最后指出了不同稀疏分解算法的异同与发展方向。     

基于A*OMP算法及其改进算法的宽带雷达信号稀疏分解

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。     

一种面向信号分类的匹配追踪新方法

匹配追踪(MP)的主要策略是通过每次迭代时选择一个局部最优解,从而逐步逼近原始信号。然而传统的MP系列算法进行原子匹配时,各类原子集间存在交集,从而影响了原子的表示能力以及相应的分类效果。基于此,该文提出一种适用于信号监督分类的匹配追踪新算法。其原子挑选的准则为:同类信号采用相同的原子集匹配,获取相同的类内表示结构;异类信号选择不同的原子集匹配,从而增强信号的类间差异。示例分析表明,使原子集间相互独立,能够减少异类信号间的共性因素,强化信号间的区分度,从而有利于提升分类识别效果。通过在标准图像库和实测雷达辐射源信号集上的实验表明,较之传统的MP系列方法,所提算法对噪声和遮挡具有更强的鲁棒性。     

一种新的基于压缩感知的毫米波信道估计算法

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l1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。     

结合小波域马尔可夫树模型的压缩采样图像重建

已有的研究表明基于模型的压缩采样信号重建可以取得更好的重建效果。本文提出一种结合小波域马尔可夫树模型的压缩采样图像重建方法。马尔可夫树模型很好的匹配了图像小波变换后的系数在尺度间的持续性。这种统计特性可以在正交匹配追踪算法中协助原子的选取,从而更准确的选取具有大幅值系数的原子。在本文提出的新算法中,每次迭代新增的原子是从与残差信号较匹配的候选原子中选取。候选原子中使模型的状态似然函数最大的原子被选出。实验结果表明,新算法可以更准确选出具有大系数原子,重建的图像质量好于其它传统方法。     

基于匹配追踪与子空间联合的语音增强

提出了基于匹配追踪和基于子空间相结合的语音增强方法.匹配追踪法具有自适应性,可以从一个过完备字典中找出与信号匹配的原子,重构后得到去除噪声的语音信号.针对匹配追踪法在输入信噪比较低时可能出现信号原子被误判为噪声成分的问题,引入子空间方法.首先分离出噪声子空间,再与信号子空间进行匹配追踪分解.实验结果表明,这种方法对各种信噪比的语音信号都有较好的增强效果,并有效抑制了音乐噪声.     

一种改进的用于稀疏表示的正交匹配追踪算法

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。     

改进的多原子匹配追踪算法处理FBG信号

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。     

基于块A*正交匹配追踪的多传感器数据联合重构算法

 针对A*正交匹配追踪(A*OMP)算法计算复杂高,且不能利用信号的结构稀疏性这一缺陷,该文提出了块A*OMP算法并将其用于解决分布式压缩感知中的信号联合重构问题。该算法用原子块取代单个原子作为搜索树中的节点,在计算路径代价时用搜索树中所有路径的最大长度取代信号的稀疏度。然后在块A*OMP算法的基础上,选择与残差矩阵投影误差最小的原子块作为新的节点,得到了一种用于解决MMV(Multiple Measurement Vector, MMV)问题的块A*OMP算法,并利用该算法对相邻区域内的多个传感器所测的温度信号进行了联合重构。实验结果表明,该算法的重构性能优于MMV正交匹配追踪(OMPMMV)算法。     

OFDM系统中基于弱选择ROMP算法的稀疏信道估计

为了解决实际OFDM通信系统中信道稀疏度未知的不足,提出将弱选择正则化正交匹配追踪算法用于估计稀疏信道。算法在不知晓信道稀疏度的情况下,对不同迭代残差与测量矩阵中原子的相关系数进行判定后,根据原子的弱选择准则灵活地确定出表示信道冲激响应的原子候选集,进而利用正则化原则从候选集中挑选出表示信道冲激响应的最优原子组,逐步实现精确重建。仿真结果和理论分析表明：与正则化正交匹配追踪算法相比,相同条件下改进算法可以获得更低的均方误差和误比特率;另外,算法无需将信道稀疏度作为先验信息,实用性更强。     

一种改进的稀疏表示人脸算法

为进一步有效提升稀疏表示人脸识别系统的识别率和可靠性,在分析人脸图像稀疏表示系数分类能力的基础上,提出了一种快速正交匹配追踪的脸识别新方法。快速正交匹配追踪算法通过在基本的正交匹配追踪算法中对冗余字典采用Cholesky分解,提高了算法的整体效率。