基于改进果蝇优化算法正交匹配追踪的超声信号降噪方法

降噪是超声信号处理的重要环节,正交匹配追踪是一种常用的降噪方法,传统正交匹配追踪算法计算量大、分解精度不高,无法提取强噪声背景下的超声信号.本文提出了一种结合果蝇优化算法和正交匹配追踪的超声信号降噪算法,将正交匹配追踪中的"贪婪"搜索转换为Gabor函数的参数优化问题,利用果蝇优化算法估计Gabor函数的最优值,采用自...     

基于变步长的正则化自适应匹配追踪算法研究

在研究、分析和总结匹配追踪算法的基础上,论文提出一种新的基于变步长的正则化自适应匹配追踪算法。将自适应引入到正则化匹配追踪算法里,通过变步长来控制重建精度,在小稀疏度值信号范围内进行详细检测,在大稀疏度值信号范围内进行粗略检测。通过对信号稀疏度的准确定位,从而精确找到信号重建的支撑集,提高信号重构质量和噪声鲁棒性,对信号具有良好的重构概率。     

匹配追踪算法的超声多普勒血流信号降噪研究

超声多普勒在临床医学中具有广泛的应用,但由于超声多普勒血流信号中夹杂了大量的噪声严重影响了时频声谱图的清晰度,所以必须采用一定的措施消除噪声。本文分别利用离散小波变换算法、小波包变换算法和匹配追踪算法对超声多普勒血流信号进行分解、变换以及降噪处理,并通过仿真实验,给出了不同信噪比情况下,对基于三种算法处理后的信号时域波形和频域波形进行了比较,证实了匹配追踪算法是一种非常适合于对像超声多普勒血流信号这样的频率带宽随时间变化很快的强噪声背景的信号进行噪声处理的算法。     

一种改进的压缩感知重构算法

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。     

基于混合优化策略的微分进化改进算法

微分进化算法具有控制参数少、鲁棒性强、易于使用等优点，并具有不同的优化策略．本文在对微分进化算法各优化策略性能进行分析的基础上，提出了基于混合优化策略的微分进化改进算法．改进算法的主要思想是将种群中的个体随机地分成两组，每组采用不同的优化策略．利用五个标准的优化算法测试函数对改进算法的收敛速度和搜索成功率进行了测试，并与动态微分进化算法和微粒群算法进行了比较．实验结果表明，本文提出的改进算法在保证算法搜索成功率的同时，大大提高了算法搜索效率．     

组合正交基字典稀疏分解快速匹配追踪算法

组合正交基字典稀疏分解通过正交基的级联来构造完备字典,实现稀疏分解。针对稀疏分解的常见算法计算复杂度高的问题,提出一种快速匹配追踪算法。该算法首先求出并存储正交基向量之间的内积,然后根据向量正交基展开系数为其与正交基向量内积的性质将内积运算转化为代数运算,得到一种快速匹配追踪算法。实验结果表明,基于Dirac基和DCT基构成的完备字典对信号leleccum进行稀疏分解时,与匹配追踪(MP)算法相比,该算法的计算速度提高了大约10倍。     

一种压缩感知重构算法

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%。     

一种应用于超声波检测中的自相关算法

首先分析了一般自相关处理算法在超声心率检测中存在的运算量大以及误差受采样频率影响大的缺点，在此基础上提出了一种改进的粗一精结合自相关处理算法，在保证了心率计算要求的精度务件下，大大减少了处理的运算量。最后通过使用Matlab软件对实际检测中的超声回波信号进行仿真计算，验证了这种算法的可行性和正确性。     

基于正交匹配追踪的云检测算法研究

云的定量识别在卫星数据反演中非常重要。云检测结果的质量直接影响各种反演产品的准确性。云检测实际上是一种目标识别和分类的过程,检测的目的是为了特征提取,因此,大量信号与系统中的新兴算法都被运用于云检测的技术研究中来。匹配追踪算法是近年来发展起来的非常有效的特征提取算法,而正交匹配追踪算法更能有效提高信噪比。因此文中利用正交匹配追踪算法与多通道阈值法相结合,进行了卫星云图云检测的相关研究。通过MODIS的云检测试验表明,将正交匹配追踪算法应用到多光谱云图的信息处理中可以有效提高云检测的精度。     

联合稀疏信号恢复的贪婪增强贝叶斯算法

本文针对联合稀疏信号恢复问题,提出了一种贪婪增强贝叶斯算法.算法首先利用联合稀疏的特点对信号进行建模,然后在贝叶斯框架下,提出一种贪婪推理方式对信号恢复问题进行迭代求解.在迭代过程中,提出算法利用贝叶斯估计的方差信息来增强支撑恢复的结果,极大地提高了算法对信号恢复性能.理论分析表明:提出算法与同步正交匹配追踪算法具有相同的计算复杂度,远低于其他联合稀疏信号恢复算法.提出方法在具有高恢复精度和较低计算复杂度的同时,兼具贝叶斯方法和贪婪算法的优点.数值仿真验证了理论分析的有效性.     

一种稀疏重构的相关干涉仪测向算法

针对基于凸优化模型的相关干涉仪测向算法计算量过大的问题,提出了一种基于稀疏度自适应匹配追踪算法的相关干涉仪测向算法。该算法首先根据压缩感知原理利用传统相关干涉仪算法的测向数据库作为基底将入射信号稀疏表示;接着,根据贪婪算法对信号进行重构,估计入射信号的方位。该算法的优点在于在迭代过程中引入回溯思想,自动调整估计步长,实现计算复杂度和估计精度的平衡。仿真结果表明,相比基于凸优化模型的相关算法,该算法的计算量大大降低,测向速度提升24.6%,特别在多入射信号情况下具有明显优势。     

基于微分进化的极化WSF信号参数估计算法

极化敏感阵列与传统的天线阵列相比,可以同时接收到信号的空间信息和更加完整的电磁信息,由于受信号极化变化的干扰较小,接收增益更高,估计出的极化状态参数可以用于检测、多址等领域,因此具有更加广阔的开发价值。极化加权信号子空间(WSF)算法的精度、分辨率明显优于一般子空间类算法,并且可以处理相干信号,鲁棒性较好,与传统空间谱WSF相比,需要估计的参数多了一倍,计算量问题显得更加突出。针对该问题,首先将遗传算法应用于联合谱WSF,与传统测向不同,性能不佳。微分进化算法简单,收敛速度快,搜索精度高,性能稳定,将该算法应用于极化加权信号子空间算法的多维函数求解,并将它与基于遗传算法的极化WSF进行比较,证明文中算法的有效性。     

基于压缩感知的OMP图像重构算法改进

阐述了压缩感知相关理论以及信号的重构算法,围绕其中的匹配追踪系列算法展开研究,同时在正交匹配追踪算法(OMP算法)的基础上引入了几种改进算法,并结合OMP算法本身耗时长、速度慢的问题,给出了一种OMP的改进方案,该方案将图像进行分块再处理,从而大幅降低了OMP算法迭代的矩阵规模。在相同条件下该算法的主客观重建效果均优于原来的算法。     

基于改进栈式自编码算法的中期负荷预测研究

综合考虑影响电力系统中期负荷预测的各个因素并提高预测精度,提出了基于改进栈式自编码算法的中期负荷预测方法。利用ICA进行特征提取,筛选主导的影响因素并对数据进行归一化处理,结合模糊理论构建气温因素的隶属度关系,通过参数自适应微分进化算法对栈式自编码算法参数展开在线优化,进而匹配最佳基于改进栈式自编码算法的组合中期负荷预测模型,并展开案例分析。其结果表明：该改进算法通过影响因素筛选、参数选择与优化,能够有效避免参数选择的盲目性,将气温动态因素进行模糊化处理,能够进一步提高预测精度,其预测结果优于PSO-SVM算法,与实际结果更为接近,且稳定性好,为电力系统负荷预测提供了重要手段。     

基于压缩感知理论的稀疏孔径ISAR成像

在基于压缩感知理论的逆合成孔径雷达成像过程中,利用正交匹配追踪算法进行信号重构时存在重构精度较低、运算速度较慢的缺点,针对上述问题,提出了一种利用改进正交匹配追踪算法进行信号重构的稀疏孔径高分辨成像方法。首先,构造数据选择矩阵作为测量矩阵模拟回波缺失情况,然后利用稀疏基矩阵对回波信号进行稀疏表示,最后采取一种改进正交匹配追踪算法进行图像重构,相比于正交匹配追踪算法同时提高了运算速度和成像质量。通过仿真实验,在稀疏孔径数据随机缺失的情况下,改变数据缺失率,将该算法与距离-多普勒算法和正交匹配追踪算法的成像结果进行对比,验证了该算法的有效性和优越性。     

利用改进微分进化算法实现线性系统逼近

提出一种基于改进的微分进化算法的逼近算法。新算法通过参考粒子群算法惯性权重思想,引入惯性加权系数,在计算初期能够维持个体的多样性,后期能够加快算法的收敛速度,提高了DE算法的性能。最后对典型的稳定线性系统逼近问题进行了数值计算,计算结果证明该算法优于未改进微分进化算法,能够以更少的进化代数和更小的计算量找到高质量的逼近模型。     

基于压缩感知的双向阈值匹配追踪算法

最近提出的前向后向算法(Forward-backward Pursuit,FBP)因为重构精度较高受到人们更多关注.但是FBP算法没有考虑到当前迭代残差信号的变化,每次迭代选取的原子和删减原子的数目是固定的.鉴于此,提出了双向阈值匹配追踪算法(Ovonic Threshold Matching Pursuit,OTMP).OTMP前向原子选择过程通过限制等距性质(RIP)和残差的条件选出部分新增加原子,在回溯过程中通过当前迭代的重构水平剔除可能错误的原子.实验表明,在一定条件下OTMP时间复杂度和正交匹配追踪算法(Orthogonal Matching Pursuit,OMP),子空间追踪算法(Subspace Pursuit,SP)相当,重构精度明显高于SP,FBP算法和其他几种贪婪算法.     

基于DSP的OMP算法实现及音频信号处理

在DSP平台上实现了压缩感知理论中的正交匹配追踪算法,证明了其可行性。针对音频信号的特点,提出了一种实现方案,使重构信号具有更为良好的主观效果。率先在DSP平台上实现了OMP算法,并将其在音频领域进行了应用,为音频压缩处理提供了新的技术方向。     

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。     

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．