基于模糊阈值的回溯分段弱正交匹配追踪算法

为提高分段弱正交匹配追踪(Stagewise Weak Orthogonal Matching Pursuit,SWOMP)算法的重构质量,改进SWOMP算法的重构性能,提出一种基于模糊阈值的回溯分段弱正交匹配追踪(Backtracking Stagewise Weak Orthogonal Matching Pursuit Algorithm based on Fuzzy Threshold,FTB-SWOMP)算法。该算法首先通过采用SWOMP算法初始化选取一些大于门限的原子,在每次迭代过程中引入回溯,采用基于模糊阈值的回溯方式删掉个别错误原子,实现自适应的选取原子来更新支撑集,每次迭代的过程不断更新扩大支撑集,逐步逼近信号的稀疏度。实验结果表明,相同实验条件下,新算法能够以高概率恢复原始一维信号,且重构误差小;对于在二维图像上的应用,新算法仍保证重构时间短的优势,并比原算法具有更好的重构精度。

基于DFT-SWOMP的OFDM系统信道估计方法

基于压缩感知的OFDM信道估计方案中,分段弱正交匹配追踪(SWOMP)算法具有不需要预知信道稀疏度的优点,但其信道估计精度受输入的门限参数和迭代次数的影响较大。针对这一问题,提出一种基于DFT-LS算法的门限自适应的SWOMP算法改进方案。考虑到在OFDM系统中,保护间隔长度外的信道时域响应都可以视为噪声,因此该方案的核心思想是利用DFT-LS算法预估出噪声水平,并用此预估值来动态设置SWOMP算法的门限参数。同时,该方案还使用DFT-LS算法预估出的信道频域响应作为SWOMP算法的迭代停止条件。仿真结果表明,这种SWOMP算法的改进方案可以有效地估计出信道参数,并且相比SWOMP算法,其估计结果的MSE值在不同信噪比下都有不同程度的提升。

基于SQSWOMP算法的轴承实时故障诊断研究

针对轴承故障诊断方法存在数据存储、传输、处理效率低,以及模型参数量大导致资源浪费、故障诊断精度低等问题,在基于改进的分段弱正交匹配追踪(SWOMP)算法的基础上,针对SWOMP算法存在重构精度低的问题,在SWOMP算法中引入S形函数与对原子支撑集的二次选择过程,提出了一种基于S形二次分段弱正交匹配追踪(SQSWOMP)算法的轴承实时故障诊断方法。首先,采用滑动移窗,将轴承历史数据分割成矩阵,得到了其初始字典,用改进的K-SVD算法建立了过完备字典;然后,将SQSWOMP算法与训练好的过完备字典结合,重构了轴承的实时振动信号;最后,利用字典可以有效对特定状态信号进行稀疏分解,而对其他状态信号不能稀疏分解的特点,对重构信号进行了分类。研究结果表明:相比于其他匹配追踪算法,SQSWOMP算法在重建精度和效率方面具有优势,解决了SWOMP算法重建精度低的问题;在不需要消耗大量存储、传输资源的情况下,采用SQSWOMP算法可将正常、内圈、外圈、滚动体故障诊断准确率提升2.17%、23.46%、17.30%、18.38%,且其准确率也优于其他方法,为轴承的实时故障诊断提供了便利。

一种改进SWOMP的大规模MIMO信道估计算法

针对大规模多输入多输出系统(massive MIMO)波束域信道估计中传统算法在低信噪比条件下无法保证较高的估计性能问题,设计了基于改进灰狼优化的分段弱正交匹配追踪(IGWO-SWOMP)压缩感知算法.该算法基于改进的灰狼优化(IGWO)算法自适应获取到大规模多输入多输出系统波束域信道中最小均方误差对应的迭代数与阈值,达到参数自适应设定的目的.仿真结果表明,与传统算法相比,IGWO-SWOMP算法的估计性能明显提高;在波束域角度扩展改变时,IGWO-SWOMP算法实现了自适应信道估计,能够保证较高的估计性能.