针对根系探地雷达数据重构中计算复杂和准确率低的问题,提出粒子群(PSO)与模拟退火(SA)相结合的正交匹配追踪(OMP)优化算法。首先,由Gabor原子对信号进行稀疏表示,建立求解空间;然后,以匹配函数为适应度,通过PSO算法求出匹配函数的最佳...针对根系探地雷达数据重构中计算复杂和准确率低的问题,提出粒子群(PSO)与模拟退火(SA)相结合的正交匹配追踪(OMP)优化算法。首先,由Gabor原子对信号进行稀疏表示,建立求解空间;然后,以匹配函数为适应度,通过PSO算法求出匹配函数的最佳适应度值,找出可行解原子,再利用SA算法对PSO极值进行退温搜索,得出全局最优原子;最后,利用最优原子完成根系稀疏数据的重构。对A-scan数据和B-scan数据进行实验,结果表明,PSO-SA-OMP算法比传统OMP算法的计算时间减少了10.471 s和20.260 s,均方误差减小了1.225,信噪比提高了5.539 d B。展开更多
文摘针对根系探地雷达数据重构中计算复杂和准确率低的问题,提出粒子群(PSO)与模拟退火(SA)相结合的正交匹配追踪(OMP)优化算法。首先,由Gabor原子对信号进行稀疏表示,建立求解空间;然后,以匹配函数为适应度,通过PSO算法求出匹配函数的最佳适应度值,找出可行解原子,再利用SA算法对PSO极值进行退温搜索,得出全局最优原子;最后,利用最优原子完成根系稀疏数据的重构。对A-scan数据和B-scan数据进行实验,结果表明,PSO-SA-OMP算法比传统OMP算法的计算时间减少了10.471 s和20.260 s,均方误差减小了1.225,信噪比提高了5.539 d B。
