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。

一种新的压缩采样匹配追踪算法

提出了实用性更强的完全受噪声扰动理论模型,引入了与原信号相关的乘性噪声;并基于新的模型,提出了一种改进的压缩采样匹配追踪算法。该算法通过构造一个感知测量矩阵,在信号替代阶段中取代随机测量矩阵来减少相关性对支撑集筛选的影响,最后可在乘性噪声存在的情况下实现了信号的精确重建。实验结果表明,在相同测试条件下,该算法的重建效果均优于其他贪婪算法和基匹配法(basic pursuit,BP)。

基于压缩采样匹配追踪的生物发光断层成像

提出一种基于压缩采样匹配追踪(CoSaMP)理论的生物发光断层成像重建算法,结合自适应有限元,准确稳定地重建出生物体内部光源分布。实验结果显示,此方法能够很好定位单光源和双光源位置,对于噪声干扰表现出很好的鲁棒性。与一般L1正则化方法相比,在重建精度和计算速度两方面都有明显改善与提高。

基于正交匹配追踪的并行采样信号重构方法

为解决从超高速并行采样系统的海量数据中提取有效信息进行存储并准确重构信号这一关键问题,提出了一种基于压缩感知的重构方法——基于粒子群优化的预选分段正交匹配追踪(PPStOMP)算法,从少量低维有效信号中精准恢复原始高维信号进行上位机显示。对改进算法本身的主要输入参数进行仿真测试,得到阈值、步长、最大迭代次数在不同采样率下的推荐取值范围。最后利用图像和采样信号作为原始数据,将改进算法与其他正交匹配跟踪算法进行对比实验,实验结果表明PPStOMP算法的重构性能稳定且良好。

采用压缩采样匹配追踪算法的频谱感知

频谱资源的匮乏成为无线电发展的瓶颈,解决频率匮乏有两类方法:一是提高频谱利用率;二是扩大可利用的频率范围。频谱感知技术能提高频谱利用率,但在高频的应用中会面对过高的采样速率、较大的数据量,这对硬件实现提出了艰巨的挑战。本文根据无线电频谱稀疏性介绍一种基于调制宽带转换器的压缩采样匹配追踪(CoSaMP)算法。本文利用调制宽带转换器对无线电信号进行亚奈奎斯特采样,再利用CoSaMP算法对采样后的自相关矩阵求解。本文的方法不仅能应用在更高的频谱,且能提高频谱利用率。仿真结果表明:该方法能以一个较低的采样速率对信号进行采样,且CoSaMP算法的恢复误差要小于OMP和ROMP算法。

一种改进的压缩采样匹配追踪算法

针对正交频分复用(OFDM)系统中,压缩采样匹配追踪(CoSaMP)算法在进行信道估计时选择原子更新残差过程中采用最小二乘(LS)估计忽略了噪声影响的问题,文章利用信道时域的稀疏性提出了一种改进的CoSaMP算法。首先利用CoSaMP算法进行初始信道估计,然后再采用线性最小均方误差(LMMSE)算法对结果进行降噪处理,提高了估计精度。仿真结果表明,在OFDM系统中,改进的CoSaMP算法比传统CoSaMP算法具有更好的均方误差和误码率(BER)估计性能。

基于斜投影算子的压缩采样匹配追踪算法

斜投影匹配追踪算法较正交匹配追踪算法针对非正交字典的重构能力有了大幅提高,但受噪声影响大。该文通过投影矩阵迭代公式导出斜投影匹配追踪算法,并引入回溯的思想,提出基于斜投影算子的压缩采样匹配追踪算法,有效降低了噪声的影响和非正交投影产生的误差,提高了重构精度。仿真结果表明,算法的重构效果优于其它同类算法。

一种最优选择的压缩采样匹配追踪算法

为了解决压缩采样匹配追踪(CoSaMP)算法在观测值固定时重构概率随着稀疏度的增加急剧下降问题,基于最优选择思想和回溯思想设计一种最优选择的压缩采样匹配追踪(OSCoSaMP)算法。在每次迭代过程中,从支撑集中选出最优的支撑,同时采用回溯思想剔除错误原子,分别测试不同稀疏度和不同观测值下的重构概率。仿真结果表明,该算法重构概率与OMP和CoSaMP算法相比有所提升。OSCoSaMP算法在稀疏度50时的重构概率保持在90%以上,当观测值大于70时重构概率在90%以上。OSCoSaMP算法能够有效提高一维信号的重构概率。

基于压缩采样匹配追踪的稀疏度和稀疏信道联合估计

针对压缩采样匹配追踪信道估计算法需已知稀疏度而稀疏度不易得到这一问题,研究了一种稀疏度和稀疏信道联合估计算法。首先提出了一种新的稀疏向量的替代,能够在有限长度的训练序列下,得到较好的稀疏度和信道估计效果。然后通过对稀疏信道估计中的噪声分量的分析,提出了一种稀疏度估计算法,结合信道估计最终给出了一种稀疏度和稀疏信道联合估计算法。仿真结果表明:新的稀疏向量的替代在稀疏度和信道估计方面都有明显的优势,并且提出的稀疏度和稀疏信道联合估计算法在性能上好于mCoSaMP算法。

一种自适应压缩采样匹配追踪算法

压缩采样突破了奈奎斯特采样定理的限制,以低于奈奎斯特率对信号进行采样,通过相关算法精确恢复信号。依据重建算法需要稀疏度这一先验信息,提出一种自适应压缩采样匹配追踪信号重建算法,该算法摆脱对稀疏度的依赖,通过自适应调整步长逐步逼近原始信号。仿真结果表明,该算法能精确地对信号进行重建,重建概率和计算复杂度均有所改善。

改进的压缩采样匹配追踪算法

针对压缩采样匹配追踪(Co Sa MP)算法重构精度相对较差的问题,为了提高算法的重构性能,提出了一种基于伪逆处理改进的压缩采样匹配追踪(MCo Sa MP)算法。首先,在迭代前,对观测矩阵进行伪逆处理,以此来降低原子间的相干性,从而提高原子选择的准确性;然后,结合正交匹配追踪算法(OMP),将OMP算法迭代K次后的原子和残差作为Co Sa MP算法的输入;最后,每次迭代后,通过判断残差是否小于预设阈值来决定算法是否终止。实验结果表明,无论是对一维高斯随机信号还是二维图像信号,MCo Sa MP算法的重构效果优于Co Sa MP算法,能够在观测值相对较少的情况下,实现信号的精确重构。

基于CS的稀疏度变步长自适应压缩采样匹配追踪算法

通过对压缩感知(CS)理论进行研究和分析,在传统的重构算法的基础上,提出稀疏度变步长自适应压缩采样匹配追踪算法(CSVssAMP)。采用压缩采样和可变步长自适应变换的思想,解决了稀疏性未知信号的重构问题,有效地提高了数据的重构效率。相比传统的重构算法,该算法不需要预先已知稀疏度,并且每次迭代选择多个原子可以更精准地恢复低噪声信号。采用自适应变步长替换固定步长,提高了重构速率和目标精度。仿真结果表明,与现有重构算法相比,该算法的重构效果更好。

基于压缩采样匹配追踪算法的混合场信道估计方案

针对现有的远场和近场信道估计方案不能直接用于精确估计混合场信道状态信息的问题,提出了一种有效的基于压缩采样匹配追踪(compression sampling matching pursuit, CoSaMP)算法的混合场信道估计方案。通过精确建模混合场信道模型来捕捉其远场和近场区域可能存在不同的散射体这一特征,分别对其远场和近场路径分量进行估计。结果表明,所提方案与现有其他信道估计方案相比,在相同低导频开销情况下,该方案能获得更高的归一化均方误差性能和更高的系统和速率,计算复杂度较低。可见,所提出的方案具有很好的参考价值。

语音自适应压缩采样匹配追踪重构算法

基于小波分解下的语音压缩编码与重构框架,研究分析了含噪情况下贪婪算法的重构性能和抗噪性能,提出了一种改进的自适应压缩采样匹配追踪算法(ACoSaMP)。该算法可在稀疏度未知的情况下,通过设置可变步长分阶段实现对稀疏度的逼近。同时,在每次迭代过程中,用最小二乘法对残差信号进行估计,代替传统CoSaMP算法对整个信号的估计。最后用小波去噪法对合成语音进行处理。实验结果表明:不同压缩比下,该算法的主客观重构效果均优于现有同类算法,对噪声有较强的鲁棒性。

基于压缩感知的伪随机等效采样信号重构

伪随机等效采样利用采样周期数与采样点数间的互质关系使各采样点均匀复现于同一周期,从而达到较高的等效采样速率。然而为了精确重构出原始信号,需大量采样数据,因此导致采样时间过长,实时性能差。针对上述问题,提出了一种基于压缩感知理论的伪随机等效采样信号重构方法,通过构造伪随机等效采样观测矩阵并选择离散傅里叶变换基建立稀疏重构模型,然后利用压缩感知中的正交匹配追踪算法求解该模型,从而重构出原始信号。仿真实验表明,所提方法在采样点个数40时,重构成功率达99.73%。

多输入动态调节系统的正交匹配追踪迭代辨识算法

针对含有未知时滞的多输入单输出动态调节系统,基于过参数化后系统参数向量的稀疏特性,在有限测量数据下,将压缩感知理论和递阶迭代思想相结合,提出一种正交匹配追踪迭代辨识算法。该算法可以辨识多输入动态调节系统的未知时滞、参数和部分阶次。研究结果表明:与最小二乘迭代算法相比,该算法不需要大量的采样数据,可以节约采样成本,提高辨识效率。该算法能够有效地估计这类系统的参数与时滞。

一种基于FPGA实现的优化正交匹配追踪算法设计

针对压缩感知重构算法中正交匹配追踪(OMP)算法在每次迭代中不能选取最优原子问题,对OMP算法进行优化设计,保证了每次迭代的当前观测信号余量最小,并提出了一种基于FPGA实现的优化OMP算法硬件结构设计。在矩阵分解部分采用了修正乔列斯基(Cholesky)分解方法,回避开方运算,以减少计算延时,易于FPGA实现。整个系统采用并行计算、资源复用技术,在提高运算速度的同时减少资源利用。在Quartus II开发环境下对该设计进行了RTL级描述,并在FPGA仿真平台上进行仿真验证。仿真结果验证了设计的正确性。

结合小波域马尔可夫树模型的压缩采样图像重建

已有的研究表明基于模型的压缩采样信号重建可以取得更好的重建效果。本文提出一种结合小波域马尔可夫树模型的压缩采样图像重建方法。马尔可夫树模型很好的匹配了图像小波变换后的系数在尺度间的持续性。这种统计特性可以在正交匹配追踪算法中协助原子的选取,从而更准确的选取具有大幅值系数的原子。在本文提出的新算法中,每次迭代新增的原子是从与残差信号较匹配的候选原子中选取。候选原子中使模型的状态似然函数最大的原子被选出。实验结果表明,新算法可以更准确选出具有大系数原子,重建的图像质量好于其它传统方法。

压缩采样中模拟信息转换器的性能仿真

受奈奎斯特采样定理的约束,传统通信设备在提高分辨率和满足实时性要求时,面临高采样率、快处理速度等问题的挑战。而根据压缩采样(Compressive Sensing,CS)理论构建的模拟信息转换器(Analogto Information Converter,AIC)只需进行远低于奈奎斯特采样率采样信号,即可实现对原信号的精确重构。仿真结果表明通过AIC的信号能精确重构,且重构概率和AIC的参数设置密切相关。

多带正交压缩采样雷达回波信号的快速重构

多带正交压缩采样可实现多带模拟信号的亚Landau率采样,并同时获取每个子带同相和正交分量的压缩测量。对于多带雷达应用而言,恢复所有子带回波信号需求解多个大规模稀疏重构问题,计算量大、实时能力差。以探测同一场景的等带宽多带雷达为背景,在分析回波信号特征的基础上,揭示回波信号的块稀疏性,提出采用块稀疏重构模型恢复所有子带回波,发展块稀疏分段滑动快速重构方法。为了提高重构性能,对块正交匹配追踪算法进行了改进,提出了一个两步块正交匹配追踪算法。仿真结果验证了块稀疏分段滑动重构方法的有效性和正确性。