Dice系数前向预测的快速正交正则回溯匹配追踪算法

为了提高压缩感知重构算法的成功率与重构精度,该文提出基于Dice前向预测的正交正则回溯匹配追踪算法(DLARBOMP)。在该算法中,首先从匹配准则与预选阶段原子选取的角度,利用Dice系数代替原子内积计算相关度,保留原始信号信息的特性,以此选择与残差最匹配的原子,提高算法的重构精度。同时,针对信号重构过程回溯算法的时间过长问题,在每次原子迭代过程中,该文利用正则化选择多个原子而非单个原子,实现重构精度与重构时间的平衡。最后,通过稀疏1维信号与2维图像信号重构的实验结果,显示了所提DLARBOMP算法在1维信号重构时兼顾了性能与效率,在2维压缩图像信号重构时提高其峰值信噪比(PSNR),优于正交匹配追踪(OMP)及其最新改进贪婪类算法。

嵌入式linux下多线程视频监控的设计和实现

使用多任务操作系统linux的多线程技术设计和实现了一个民用领域的远程视频监控系统,实验证明该系统有良好的灵活性,较好的可扩展性,而且节省成本。

基于稀疏贝叶斯学习的大规模多用户检测算法

针对现有算法大都基于高斯逆伽马先验模型的稀疏贝叶斯学习(GIG-SBL),忽略了稀疏解所对应的支撑集向量稀疏性的问题,提出一种基于伯努利高斯逆伽马先验模型的稀疏贝叶斯学习(BGIG-SBL)架构,通过引入一个伯努利先验的二元向量,设计了单测量向量(SMV)的BGIG-SBL-SMV算法,结合支撑集向量的稀疏性提高重构性能。进一步将该算法扩展到多测量向量(MMV)方案,通过共享相同控制稀疏解的超参数,利用MMV的联合稀疏性提出BGIG-SBL-MMV算法。实验结果表明,所提BGIG-SBL-SMV算法相较于传统GIG-SBL-SMV算法,在mMTC用户检测场景可实现2 dB的性能增益;同时,所提BGIG-SBL-MMV算法相对于单测量向量BGIG-SBL-SMV算法,用户检测率和数据检错率的性能增益可达到4 dB,证明了所提算法的优越性。