排序方式: 共有14条查询结果,搜索用时 15 毫秒
1.
原始的压缩采样匹配追踪算法依赖于已知稀疏度,因此本文研究了一种稀疏度和稀疏信道联合估计算法。首先提出了一种新的稀疏向量的替代,能够在有限长度的训练序列下,达到较好的稀疏度和信道估计效果。然后通过对稀疏信道估计中的噪声分量的分析,提出了一种稀疏度估计算法,结合信道估计最终给出了一种稀疏度和稀疏信道联合估计算法。仿真结果表明:新的稀疏向量的替代在稀疏度和信道估计方面都有明显的优势,并且提出的稀疏度和稀疏信道联合估计算法在性能上好于mCoSaMP算法。 相似文献
2.
针对OFDM系统中传统最小二乘(LS)信道估计方法需要大量导频估计精度却不高的问题,提出基于压缩采样匹配追踪(CoSaMP)的压缩感知信道估计新方法.利用发送信号,接收信号和信道的频城关系建立基于压缩感知的数学模型,再采用CoSaMP算法对信道进行重构.仿真结果表明,与LS算法相比,基于CoSaMP的压缩信道估计方法能利用少量的导频信号达到与之相比拟的信道估计性能,提高了频谱利用率;与现有压缩感知信道估计算法(基追踪(BP)与正交匹配追踪(OMP)相比,在使用相同导频数目条件下,具有更好的信道估计性能和更低的计算复杂度. 相似文献
3.
地形数据量的日益增长迫切地需要高效的存储和传输策略。提出了一种基于稀疏度自适应化的DEM压缩采样与重构方法,并给出了方法具体的实现及详细流程。该方法首先利用小波变换对原始DEM进行稀疏处理,然后利用QR分解后的随机高斯矩阵对稀疏处理结果进行降维观测,实现DEM的压缩。最后针对CoSaMP算法必须提供稀疏度和重构时间长的缺点提出一种稀疏度自适应化的改进算法,利用改进的CoSaMP算法进行重构和小波反变换等步骤获得DEM的重构结果。在保证相似重构精度的前提下,提出的改进的CoSaMP算法与传统的CoSaMP算法相比,在实现稀疏度自适应化的同时有效地提高了收敛速度。仿真实验结果表明与JPEG2000方法相比,提出的方法实现了更高压缩比的数据压缩和高峰值信噪比的数据重构。 相似文献
4.
为了更好地满足临床诊断和治疗的需要,本文提出了一种在图像融合阶段对测量值进行自适应梯度加权和图像重建时采用CoSaMP重建算法相结合的方法。该算法首先对两幅源图像分块并进行稀疏表示,同时利用观测矩阵进行测量。在测量数据融合阶段引入图像梯度来反应图像本身的边界信息,先计算每幅分块子图像的梯度;然后利用自适应梯度加权的融合规则得到融合的测量数据,并对融合测量数据进行随机压缩采样;最后通过CoSaMP算法对采样数据进行信息重构实现测量数据的恢复。该方法克服了图像融合时信息畸变的缺陷,并且可以根据不同融合区域自动调整融合规则的权重系数,有效地避免了设置固定权重系数造成的融合误差。实验结果和评价指标验证了本文算法的有效性和先进性。 相似文献
5.
结合压缩感知理论(CS),针对压缩采样匹配追踪算法在多输入多输出正交频分复用(MIMO_OFDM)系统信道估计应用中需要利用信号稀疏度的先验条件,而实际中稀疏度又难获得的情况,提出一种信号稀疏度自适应的压缩采样改进匹配追踪算法(CoMSaMP)。该算法采用具有理论支撑的原子弱选择标准作为预选方案,并设置首次裁剪阈值来减少算法多余的迭代,降低算法在信道估计中的复杂度,裁剪方式的改进保证了重构精度的提高,最终实现MIMO-OFDM稀疏信道估计中信号的稀疏度自适应。仿真结果表明:与原算法相比,该算法在同等信噪比条件下具有更优的信道估计性能,从而提高了频谱利用率,同时降低了复杂度,在稀疏度较高时,提出的算法具有更好的对噪声的抗干扰能力。 相似文献
6.
针对水声MIMO-OFDM系统,利用水声多径信道冲激响应的稀疏特性,提出一种基于压缩采样匹配追踪 (Compressive Sampling Matching Pursuit, CoSaMP)的信道估计方法。该算法首先利用观测矩阵构建一个向量代替信道,然后采用匹配追踪思想确定这个向量的非零抽头系数位置,最后利用最小二乘法对非零抽头系数进行估计,通过对该向量的估计实现信道响应的估计。与传统最小二乘法(least square, LS)相比,信道估计性能得到很大的提高,与正交匹配追踪(Orthogonal Matching Pursuit,OMP)相比,提高信道估计性能的同时,降低了计算复杂度。通过仿真分析,不但验证了该算法的有效性,还比较了该算法在不同通信系统中的信道估计性能。 相似文献
7.
8.
《Expert systems with applications》2014,41(16):7425-7435
Fusion of multimodal medical images increases robustness and enhances accuracy in biomedical research and clinical diagnosis. It attracts much attention over the past decade. In this paper, an efficient multimodal medical image fusion approach based on compressive sensing is presented to fuse computed tomography (CT) and magnetic resonance imaging (MRI) images. The significant sparse coefficients of CT and MRI images are acquired via multi-scale discrete wavelet transform. A proposed weighted fusion rule is utilized to fuse the high frequency coefficients of the source medical images; while the pulse coupled neural networks (PCNN) fusion rule is exploited to fuse the low frequency coefficients. Random Gaussian matrix is used to encode and measure. The fused image is reconstructed via Compressive Sampling Matched Pursuit algorithm (CoSaMP). To show the efficiency of the proposed approach, several comparative experiments are conducted. The results reveal that the proposed approach achieves better fused image quality than the existing state-of-the-art methods. Furthermore, the novel fusion approach has the superiority of high stability, good flexibility and low time consumption. 相似文献
9.
结合压缩感知(CS)理论,针对OFDM系统信道稀疏的特性,采用一种新的方法进行信道估计——可压缩采样的匹配追踪算法(CoSaMP),它本质上是一种贪婪算法,利用比较少的导频获得较好的信道估计性能,提高频谱资源利用率的同时,运算速度更快。详细地介绍了CoSaMP的算法原理及步骤,并将它与正交匹配追踪算法(OMP)和匹配追踪算法(MP)的性能进行了比较和分析。通过理论分析和实验仿真,证明了CoSaMP算法的有效性。 相似文献
10.
针对压缩采样匹配追踪( CoSaMP)算法重构精度相对较差的问题,为了提高算法的重构性能,提出了一种基于伪逆处理改进的压缩采样匹配追踪( MCoSaMP)算法。首先,在迭代前,对观测矩阵进行伪逆处理,以此来降低原子间的相干性,从而提高原子选择的准确性;然后,结合正交匹配追踪算法( OMP),将OMP算法迭代K次后的原子和残差作为CoSaMP算法的输入;最后,每次迭代后,通过判断残差是否小于预设阈值来决定算法是否终止。实验结果表明,无论是对一维高斯随机信号还是二维图像信号,MCoSaMP算法的重构效果优于CoSaMP算法,能够在观测值相对较少的情况下,实现信号的精确重构。 相似文献