权重化QR分解的正交匹配追踪算法硬件实现

为在小型化、低成本的硬件平台实现正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法,针对OMP算法中最小二乘法的问题,该文构造一个确定性的传感矩阵,提出一种低复杂度、低资源的权重化QR分解的OMP(Weighted QR decomposition OMP,WQR-OMP)算法硬件结构,在ZYNQ 7020型号芯片上搭建WQR-OMP SOC系统.WQR-OMP算法在传感矩阵进行QR分解后,根据三角矩阵R中元素的分布特性,通过权重化运算只保留主对角线上的元素而其他余元素归零,得到对角矩阵D,然后近似计算稀疏向量的解.实验结果表明:与基于QR分解的OMP(QR decomposition OMP,QR-OMP)和Batch-OMP算法的硬件结构相比,WQR-OMP算法硬件结构的重构速度更快、存储资源更少.在压缩率为0.25的条件下,WQR-OMP SOC系统对256×256分辨率图像的重构时间为400 ms左右,其速率比仅使用ARM处理器的重构速率提高了约6.3倍.与其他现有研究对比,该系统在Block RAM存储资源消耗较少的情况下,进一步提升了重构速度,适用于存储资源受限的硬件平台.

基于改进压缩采样匹配追踪算法的机械振动信号恢复

为了解决压缩感知重构算法对于机械振动信号的残缺数据恢复不佳的问题,提出一种改进压缩采样匹配追踪算法,对缺失信号进行修复重构。对比几种同类的贪婪重构算法恢复缺失信号的效果。通过仿真数据和实测数据验证算法对信号的恢复效果。结果表明:改进方法能够很好地实现对缺损信号的修复,且重构概率远远高于其他重构算法,比较压缩采样匹配追踪算法与其改进算法发现:在稀疏度为50时,改进算法的重构概率可以达到100%,而未改进的压缩采样匹配追踪算法重构概率为0,说明改进算法的重构效果优于原算法,重构出来的信号可以准确地表现原始信号的全部信息。

基于目标优化的移不变字典匹配追踪轴承故障诊断算法研究

滚动轴承作为一种关键旋转零部件,在高速列车上得到了广泛的应用。滚动轴承的故障诊断对维护列车的安全、舒适具有重要意义。在故障诊断过程中,实现早期微弱故障的探测以及并发故障的分离和提取至关重要。为此,提出了一种基于蜣螂优化算法的移不变字典匹配追踪算法。该算法采用预定义字典结构和循环提取的思想,首先,引入了蜣螂优化算法,并建立了一种基于相关峭度的新型目标优化函数,以此自适应构建预定义移不变结构的脉冲字典。同时,为了自适应获取匹配追踪框架中的最优稀疏度,提出了基于Hoyer指标的最优稀疏度获取准则。为了验证该算法的优越性,对高速列车传动系统中常见的齿轮箱轴承和轴箱轴承的故障信号进行了分析和对比。结果表明,该算法对早期微弱故障的检测具有更强的鲁棒性,同时对并发故障也具有较好的自适应检测能力,具有一定的工程应用价值。

强噪背景下基于改进匹配追踪算法的桥梁缆索缺陷识别

为降低噪声对磁致伸缩导波信号的干扰,实现强噪背景下的桥梁缆索缺陷识别,提出了一种基于改进匹配追踪算法的桥梁缆索缺陷识别方法。首先,采用构建非对称Gabor函数作为原子字典,将相邻残差比作为迭代终止条件,对强噪背景下的导波信号进行匹配追踪。然后,通过缺陷回波包络峰值时刻,对桥梁缆索缺陷进行了定位。最后,对采用不同降噪方法时的桥梁缆索缺陷定位误差进行了比较。结果表明:未添加噪声时,采用缺陷回波包络峰值时刻定位桥梁拉索缺陷,最大误差仅为0.28%。当缺陷回波的信噪比高于-5 dB时,采用本文方法进行降噪,均方差E_(MSE)几乎为0,信噪比E_(SNR)增加到7.56 dB以上。采用本文方法对含噪导波信号进行降噪,其降噪精度和缺陷定位精度均优于小波阈值降噪、小波-EMD降噪和传统匹配追踪降噪。当导波信号信噪比为-5 dB及以下时,本文方法的优越性更为显著。即使导波信号信噪比达到-10 dB,采用本文方法进行降噪处理,拉索缺陷定位误差仍能达到1.5%以内。可见所提出的方法可以有效降低强噪声对实测导波的干扰,提高桥梁缆索缺陷识别精度。

一种新型的电能质量扰动信号分析的CDMSPSO-MP算法

针对匹配追踪(matching pursuit,MP)算法在检测电能质量扰动信号时存在的计算量大、重构信号质量不佳的问题,利用混沌动态多种群粒子群优化(chaos dynamic multi-swarm particle swarm optimization,CDMSPSO)算法对MP算法进行优化,提出了CDMSPSO-MP算法。首先,CDMSPSO算法使用Logistic映射替代伪随机数更新种群,提高信号重构时搜索时频原子的随机性;然后,将种群划分为多个小规模种群并设置相应的重组期,增加信号重构时频原子的多样性;最后,以扰动信号与原子内积的绝对值作为CDMSPSO算法的适应度函数,替代MP算法的遍历计算,提升信号的重构速度。实验结果表明,CDMSPSO-MP算法有效提高了计算速度,减少了无关时频原子作为扰动信号分量的计算,提高了重构信号的质量。

基于改进匹配追踪算法的风轮机杂波抑制

针对风电场中风轮机杂波影响雷达对目标搜索跟踪的问题,提出了一种基于改进匹配追踪算法的风轮机杂波抑制方法.首先对风轮机杂波进行建模;然后针对匹配追踪算法中字典矩阵冗余导致计算量过大的问题,采用人工蜂群算法对字典矩阵中的原子参数进行粗估计,在保证参数精度的同时缩小参数范围形成新字典矩阵,提出了一种改进的匹配追踪算法,并将此算法应用于风轮机杂波抑制;最后进行了仿真验证.仿真结果表明,与传统匹配追踪算法相比,改进匹配追踪算法运算效率提高;不同信噪比下采用改进匹配追踪算法对风轮机杂波进行抑制处理是有效的.

基于改进OMP算法的多目标高速机动检测方法

针对多目标高速机动检测问题,提出了一种基于改进正交匹配追踪(OMP)算法的多目标检测方法。根据高速机动目标运动特性建立信号模型;利用改进OMP算法对脉冲压缩后的回波信号进行运动参数估计;构建相位补偿函数对距离徙动和多普勒徙动进行校正;通过快速傅里叶变换(FFT)完成相参积累,实现对多目标的检测。改进算法适用于多目标高速机动检测场景,可有效避免盲速旁瓣现象及信号交叉项的影响,且具有参数估计精度高和抗噪声能力强等优点。仿真实验验证了改进算法的有效性与可靠性。

基于稀疏度自适应匹配追踪算法的微动杂波抑制

目标或目标组成部分的机械振动或旋转产生微多普勒效应,在目标分类和识别中起着重要作用。然而,环境中许多物体(例如风力涡轮机、空调等)的微多普勒效应对雷达系统而言就像时变的杂波,导致雷达探测性能下降。本文针对外辐射源雷达微动杂波影响目标检测的问题,提出了一种基于稀疏度自适应匹配追踪改进算法(SAMP)的微动杂波抑制方法。考虑到微动杂波的稀疏特性,将复杂的微动杂波抑制问题转化为稀疏信号表示问题,分离微动杂波并将其抑制,便于目标观测。相比于原SAMP算法,改进后的SAMP算法能自动调整步长并在残差达到自适应阈值后快速停止迭代。仿真和实测数据验证了所提方法的有效性。

基于压缩感知和分段正交匹配追踪StOMP算法的优化

在分析分段正交匹配追踪StOMP算法迭代过程中多原子匹配方法的基础上,为了进一步减少算法迭代次数,提高重构精度,提出了基于互相关向量的自适应极限因子选取和迭代结束条件重设的优化方法。通过MATLAB编程实验,在随机给定稀疏度为K的测试数据条件下,优化后的算法较StOMP算法迭代次数减少1-2次,重构精度提升约1%,鲁棒性增加,而运行时间开销相差无几。

基于均值阈值和回溯策略的SWOMP重构算法

为提高压缩感知重建算法中阶段性弱选择正交匹配追踪(SWOMP)算法的重建精度和运行速度,提出一种基于均值阈值和回溯策略的SWOMP算法。该算法利用均值策略自适应选择原子,提高了原子筛选的精确性;采用回溯策略对所选原子进行二次筛选,优化支撑集提高算法的重建精度;通过简化矩阵的设计减少算法迭代次数,提高了算法的运行速度。仿真实验表明,该算法对一维随机信号和二维图像信号的重构性能明显优于其他同类算法,具有重建精度高、用时少的特点。

一种基于SPIHT和匹配追踪的图像编码方法——SPMP算法

为了更好地利用图像的结构特征，提高图像重建的质量，提出了一种基于多级树集合划分（SPIHT）和匹配追踪（MP）的分层图像编码方法——（SPMP）算法。该方法首先采用拉普拉斯金字塔（LaplacianPyramid）算法将原始图像分解成低频平滑层和高频细节层，然后使用离散小波变换和SPIHT算法编码图像的低频成分，使用基于克隆选择的匹配追踪算法编码图像的高频细节层。实验结果表明，该方法能够产生渐进PSNR的位流，图像重建质量要明显高于小波图像编码算法。

分段取阈值正交匹配追踪反卷积声源识别算法

正交匹配追踪反卷积声源识别算法(orthogonal matching pursuit deconvolution approach for the mapping of acoustic sources, OMP-DAMAS)具有极高的计算效率、空间分辨率和重构精度,被广泛应用声源识别领域。但在实际的工程运用中,无法满足提前确定声源数目的条件,可能造成识别结果不准确。因此提出了一种分段取阈值的OMP-DAMAS算法,在声源稀疏度未知的情况下,通过对内积和最小二乘解取阈值将伪声源和旁瓣对应的列序号从原子支撑集中删除,直接精确的识别出真实声源的位置。仿真和试验结果表明了所提算法与传统的延时求和算法相比,可以明显的减小主瓣宽度,提高空间分辨率,同样能达到OMP-DAMAS算法的重构效果,对噪声具有较好的鲁棒性,且具有极高的识别稳定性。

双极子分解匹配追踪算法在薄层反演中的应用

匹配追踪算法在地震谱分解、时频分析及薄层反演等领域有广泛的应用。本文利用双极子分解理论建立过完备奇、偶原子库,再通过匹配追踪算法对地震信号进行稀疏分解,以实现薄层反射位置及反射强度的反演。模型试算及对实际数据的运算结果都表明:与传统匹配追踪算法相比,双极子分解匹配追踪算法对地震信号有更高的分解精度,且具有较好的抗噪性。

用于压缩感知信号重建的正则化自适应匹配追踪算法

压缩感知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稀疏或可压缩信号的精确重建。该文在研究和总结已有重建算法的基础上,提出了一种新的基于正则化的自适应匹配追踪算法(Regularized Adaptive Matching Pursuit,RAMP)用于压缩感知信号的重建。该算法可在信号稀疏度未知的情况下,通过自适应过程自动调节候选集原子的个数,利用正则化过程实现支撑集的二次筛选,最终实现了信号的精确重建。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均优于其它同类方法。

基于Ricker子波匹配追踪算法在薄互层砂体储层预测中的应用

我国东部大多数中、新生代陆相含油盆地大都以薄层砂、泥岩沉积为主,地层岩性和厚度横向变化均较大,而这些地层的厚度远低于常规地震勘探的垂向分辨率。为解决薄互层储层预测问题,笔者综合分析了短时傅里叶变换、连续小波变换和匹配追踪算法的优缺点,通过实验模型及实际资料分析,得到以下结论:与短时傅氏变换与连续小波变换相比,基于Ricker子波匹配追踪算法的频谱分解技术在分析薄互层储层时具有更高的时频分辨率,能够更客观地刻画地质体;从平湖油气田地震、测井数据分析,基于Ric-ker子波匹配追踪算法更有效地刻画出储层的空间形态,并且与实钻数据储层的分布吻合效果好。

基于混合优化算法的地震数据匹配追踪分解

以5个参数(幅度、频率、相位移、尺度因子、时移)控制的Morlet小波作为匹配子波原子,在确定控制参数的过程中,提出应用具有全局优化能力的粒子群优化算法与具有局部优化能力的BFGS算法的混合优化算法,能够使得匹配追踪算法不再依赖于复数道分析确定子波原子的振幅、频率和相位的初值。控制子波时间延续长度的尺度因子是一个重要的参数。匹配追踪分解后,消除较小和较大的尺度因子和分解终止时的剩余信号能够有效地压制地震数据噪声。利用局部函数解析表达式和残差信号能量进行有效地控制算法的迭代次数可以提高计算效率。数值试验和实际资料的应用均表明:利用本文方法能够压制地震数据噪声,对地震信号快速地、精确地进行时频谱分析,为烃类检测和储层描述提供有效的手段。

遗传算法降低匹配追踪算法计算量的研究

在研究匹配追踪算法与遗传算法的基础上 ,分析和总结了它们的优缺点 ,并将两种算法有机地结合起来 ,提出了一种采用遗传算法实现匹配追踪算法的方法。该方法不仅能得到信号的最佳匹配原子参数 ,而且能大幅降低算法计算量 ,提高计算效率 ,克服了匹配追踪算法由于计算量太大而不能广泛应用的缺点 ,具有工程实用价值和一定的理论应用价值。

用混合编码遗传算法实现匹配追踪算法

在分析总结浮点数编码和格雷码编码各自特点的基础上,提出了一种用浮点数和格雷码混合编码的遗传算法来实现匹配追踪算法.该算法有机结合了遗传算法和匹配追踪算法的优点,不仅能够得到较高精度的最佳匹配参数,而且有效地降低了计算量,克服了匹配追踪算法由于计算量太大而不能广泛应用的缺点.计算机仿真结果表明,该算法提取相位的精度和提取时间均有明显改善,证实了该算法的准确性.最后,将该算法应用于转子实验台的冲击信号特征提取中,提取结果证明了它的实际应用价值.

基于小波迹和匹配追踪算法的超声波检测信号消噪

针对某大型国有企业的零件在线无损检测工程实际需求,为了提高超声波检测的准确度和精度,引入小波迹理论和匹配追踪算法对超声波检测信号进行消噪处理.首先,在信号的小波变换基础上构建一个小波迹字典;然后,在小波迹域内进行阈值消噪去除信号中的噪声;最后,利用匹配追踪算法通过有限步骤的迭代后,在小波迹字典上用一定数量的小波迹的组合来实现原信号的稀疏描述.小波迹字典内的小波迹具有对信号结构特征无损的描述能力,在小波迹域内消噪克服了传统小波消噪不考虑各尺度之间小波系数的相关性而只进行简单的系数收缩的缺陷.通过仿真试验将本文采用的方法与传统的小波硬阈值和软阈值消噪技术进行了对比,结果表明该方法的消噪效果要优于传统的小波消噪方法.实际超声波检测信号的处理结果也论证了本文所采用消噪技术的优越性.

基于压缩感知信号重建的自适应正交多匹配追踪算法

近年来出现的压缩感知理论为信号处理的发展开辟了一条新的道路,不同于传统的奈奎斯特采样定理,它指出只要信号具有稀疏性或可压缩性,就可以通过少量随机采样点来恢复原始信号。在研究和总结传统匹配算法的基础上,提出了一种新的自适应正交多匹配追踪算法(adaptive orthogonal multi matching pursuit,AOM-MP)用于稀疏信号的重建。该算法在选择原子匹配迭代时分两个阶段,引入自适应和多匹配的原则,加快了原子的匹配速度,提高了匹配的准确性,实现了原始信号的精确重建。最后与传统OMP算法进行了仿真对比,实验结果表明该算法在重建质量和算法速度上均优于传统OMP算法。