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。     

基于正交匹配追踪算法的语音信号重构研究

压缩感知理论是近年来提出的一种新兴的基于信号稀疏性的采样理论。正交匹配追踪算法是其中一种典型的重构方法,文中针对语音信号重构中存在的不足,采用正交匹配追踪算法对语音信号进行信号重构,相比于传统的压缩感知的重构算法更加地适用于对含噪语音、重构语音质量会更高,去噪效果也会更明显。为语音信号CS性能的基础性的研究提供了参考。     

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。      

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。     

信号压缩重构的正交匹配追踪类算法综述

压缩感知(Compressed sensing, CS)技术是近几年出现的一种新兴的信号采样和压缩技术,基于该理论所获得的原始信号采样值,不仅数量大大低于基于传统的Nyquist准则的采样值,而且CS技术还具有对未知信号边感知边压缩的特性。重构算法的设计是CS技术的核心,成为学者研究的重点。本文在对国内外已经出现的重构算法进行系统地研究后,在深入地研究了贪婪追踪算法和其重构模型的基础上,给出了正交匹配追踪(Orthogonal Matching Pursuit, OMP)类算法的基本原理、优缺点及针对各种算法的缺点的改进方案。此外,为了读者更好地定位OMP类算法,本文还简要介绍了其他几种经典的重构算法。最后,把各种算法应用于图像重构,通过仿真实验分析了各种算法的重构性能、鲁棒性和复杂度,并进一步验证了各种算法的优缺点。      

分块正则化正交匹配追踪算法

压缩传感理论是一种充分利用信号稀疏性或者可压缩性的全新的信号采样理论。该理论表明,通过采集少量的信号值就可实现信号的精确重构。文中在研究和总结已有经典重构算法的基础上,提出了结合图像分块思想和正则化过程的分块正则化正交匹配追踪算法(Block Regularized Orthogonal Matching Pursuit,B_ROMP)用于压缩传感信号的重构。该算法以块结构获取图像,利用正则化过程实现支撑集的二次筛选,最终实现图像信号的精确重构。实验结果表明,在相同测试条件下,该算法的重建效果无论从主观视觉上还是客观数据上都有不同程度的提高。     

块稀疏广义正交匹配追踪算法

基于广义正交匹配追踪,提出了一种在压缩感知框架下,适用于任意块稀疏信号重构的算法。该算法以贪婪迭代为核心,在迭代过程中利用一种新的方法寻找非零块,达到了非零块估计方法优化的目的,提升了算法重构概率。理论分析表明在恰当的受限等距特性常数约束下,该算法能够保证重构原始信号。仿真实验从稀疏度、算法估计步长、测量值数目、迭代次数等方面证明了该算法的有效性与优越性。     

基于改进正交匹配追踪的FBG传感信号处理方法

针对光纤布拉格光栅(FBG)传感信号易受外界噪声干扰从而导致信号丢失的问题,提出了一种改进型正交匹配追踪(OMP)算法。围绕FBG传感信号波长随应力漂移的本质特征,在压缩感知理论的框架下,通过去除稀疏系数中的虚部,并利用指数饱和法对非零元素进行拟合与排序,从而获取FBG信号的有效稀疏度。在此基础上,通过改进经典OMP算法迭代过程中的原子选择策略与终止条件,有效降低算法复杂度并提高信号的重构精度。对比实验结果表明,所提出的算法在时间复杂度、信噪比与信号重构精度等方面均具有突出的优势。     

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。     

基于优化的正交匹配追踪声音事件识别

针对各种环境声对声音事件识别的影响,该文提出一种基于优化的正交匹配追踪(Orthogonal Matching Pursuit, OMP)声音事件识别方法。首先,利用OMP稀疏分解并重构声音信号,保留声音信号的主体部分,减小噪声的影响。其中,使用粒子群(Particle Swarm Optimization, PSO)算法优化搜索最优原子,实现OMP的快速稀疏分解。接着,对重构声音信号提取Mel频率倒谱系数(Mel-Frequency Cepstral Coefficients, MFCCs),与OMP时-频特征和基频(PITCH)特征,组成优化OMP的复合特征。最后,通过优化OMP复合特征,使用随机森林(Random Forests, RF)对40种声音事件在不同环境不同信噪比下进行识别。实验结果表明,优化OMP复合特征结合RF的方法能有效地识别各种环境下的声音事件。     

基于直觉模糊核匹配追踪的目标识别方法

针对反导目标识别系统需对具有不同重要性的目标类别进行不同精度识别这一问题,提出一种基于直觉模糊核匹配追踪的目标识别方法.该方法利用核匹配追踪算法及平方间隔损失函数的优势设计了基于平方间隔损失函数的直觉模糊核匹配追踪学习机,并进一步扩展到任意非平方间隔损失函数,建立基于任意损失函数的直觉模糊核匹配追踪学习机.提出直觉模糊...     

基于SOMP的机载无源宽角SAR成像算法

针对机载无源宽角合成孔径雷达(SAR)在探测过程目标散射特性随观测角度变化的问题,在建立机载无源宽角SAR信号模型的基础上将成像重建过程转换为求解多测量向量的联合稀疏优化问题,并在分布式贪婪稀疏重建方法框架下提出一种基于同时正交匹配追踪的机载无源宽角SAR稀疏成像算法,能够实现对地面探测目标的准确稳健成像。仿真数据处理结果验证了所提成像算法的有效性和准确性。     

基于粒子群优化的直觉模糊核匹配追踪算法

针对现有直觉模糊核匹配追踪算法采用贪婪算法搜索最优基函数而导致学习时间过长的问题,汲取了粒子群优化算法全局搜索能力强、收敛速度快的优势对最优基函数的搜索过程进行优化,提出了一种基于粒子群优化的直觉模糊核匹配追踪算法,并将该算法应用于时效性要求更高的空天目标识别领域.实验结果表明,与传统方法相比,本文方法在识别率相当的情况下有效缩短一次匹配追踪时间,计算效率明显提高,且所得模型具有稀疏性好,泛化能力高等优点,特别适用于兼顾识别率和实时性的应用领域.     

正交匹配追踪和BIC准则的自适应双频段预失真模型优化算法

针对双频段预失真模型复杂度高以及当前的模型优化算法不具有自适应性的问题,提出一种自适应的模型优化算法.采用双频段广义记忆多项式作为预失真模型,通过正交匹配追踪算法对原始模型的基函数项进行排序,每次迭代时用所有已挑选的基函数项构成备选模型,推导了模型输出向量元素服从非独立同分布情况下的贝叶斯信息准则（Bayesian Information Criterion,BIC）,并将BIC值最小的备选模型作为优化后模型,从而在原始模型稀疏度和拟合误差门限未知情况下,实现了模型的自适应优化.结果表明：优化后模型与原始模型相比,二者分别预失真后的信号在邻道功率比和归一化均方误差方面均非常接近,预失真效果良好,而模型的系数量减少了75%以上.     

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。     

基于匹配追踪的ISAR超分辨成像方法

稀疏信号表示在与信号结构匹配方面具有很大的灵活性,可以用于逆合成孔径雷达(ISAR)成像.目前常用的算法基寻踪法和FOCUSS法都是并行算法,计算量很大.而匹配追踪法是一种逐步选取基函数的算法,计算量小.因而是一种更有效的成像算法.对于仿真和真实ISAR雷达数据,匹配追踪法得到的图像分辨率大大高于传统的傅里叶变换方法.故表明匹配追踪法是一种有效的ISAR超分辨成像方法.     

基于树形原子字典的匹配跟踪算法

为了降低匹配跟踪视频编码算法的运算复杂度,提出了一种原子字典的树形组织方法,并相应地提出了一种改进的树形字典搜索策略。此算法通过在树中寻找最优路径来搜索最佳原子,并在第一级搜索中引入了一种改进的全搜索策略,进一步降低了计算量。为了有效地捕捉预测误差帧中的曲线特征,冗余原子字典通过对各向异性的生成函数进行真正二维意义上的几何变换来构造,并尽可能地去除了性能不佳的原于以减小字典尺寸。实验结果表明,本文算法具有较高的搜索正确性及较快的收敛速度,而其计算量明显降低。