基于弱选择正则化正交匹配追踪的图像重构算法

正则化正交匹配追踪算法由于重构效率高在信号重构中得到广泛应用,然而该算法需要以信号稀疏度为先验条件,若稀疏度水平估计不合适会造成重构结果不稳定.针对该问题,提出了一种基于弱选择正则化的正交匹配追踪算法.该算法可以实现在信号稀疏度未知的条件下,根据弱选择标准对算法中每次迭代产生的余量与观测矩阵之间的相关性进行判定,并且自适应地确定表示原信号的原子数目和原子候选集,进而通过正则化原则从候选集中快速有效地挑选出完成信号重构的最优原子组.数值实验表明,所提出算法和其它贪婪算法相比较,峰值信噪比提高0.5～1.5dB,最小均方差也明显降低,图像信号重构效果优于其它同类算法.

分段弱选择自适应正交匹配追踪算法

为提高压缩感知图像的重构质量,提出一种分段弱选择自适应正交匹配追踪算法(SWAMP)。结合维纳滤波器,采用光滑PL分块压缩感知恢复算法(BCS-SPL),提高重构效率。通过自适应设定阈值对残差与观察矩阵的相关性进行判定,使得不再受经验影响构建初始候选集。通过引入弱选择标准,使算法能自适应地更新支撑集,重构原信号。仿真结果表明,在相同的测试环境下,SWAMP算法在稀疏一维信号和图像二维信号方面整体优于其它同类算法,具有用时少稳定性高的特点。

OFDM系统中基于弱选择ROMP算法的稀疏信道估计

为了解决实际OFDM通信系统中信道稀疏度未知的不足,提出将弱选择正则化正交匹配追踪算法用于估计稀疏信道。算法在不知晓信道稀疏度的情况下,对不同迭代残差与测量矩阵中原子的相关系数进行判定后,根据原子的弱选择准则灵活地确定出表示信道冲激响应的原子候选集,进而利用正则化原则从候选集中挑选出表示信道冲激响应的最优原子组,逐步实现精确重建。仿真结果和理论分析表明:与正则化正交匹配追踪算法相比,相同条件下改进算法可以获得更低的均方误差和误比特率;另外,算法无需将信道稀疏度作为先验信息,实用性更强。

几种弱选择性寄主蔬菜对烟粉虱的驱避作用

【目的】烟粉虱是茄果类蔬菜上的重要害虫,已对常用的化学农药产生了较强的抗药性。目前,利用非嗜好植物对烟粉虱的驱避作用和嗜好植物的诱集作用控制烟粉虱则受到越来越多的关注。【方法】选择芹菜、韭菜、茼蒿、香菜、葱、蒜等6种烟粉虱弱选择性寄主蔬菜,测定烟粉虱对供试蔬菜的嗅觉和视觉反应。在此基础上,筛选出非嗜性相对更强的3种蔬菜进行田间烟粉虱驱虫性测定。【结果】在室内寄主选择性测定中,烟粉虱对供试6种蔬菜的选择性均较小,其中对芹菜的选择率最低,韭菜次之,其余4种蔬菜的选择率为茼蒿>香菜>葱>蒜;采用嗅觉选择性测定的方法测定烟粉虱对供试蔬菜的相对选择性,发现烟粉虱对芹菜的选择率最低(13.0%),韭菜次之(25.5%),其余各蔬菜的选择率大小为茼蒿(47.8%)>香菜(40.2%)>葱(38.5%)>蒜(37.0%);烟粉虱对6种供试蔬菜颜色的选择性也存在明显的差异,其中,烟粉虱对芹菜和韭菜的选择率相对较低。在室内筛选的基础上,选择芹菜、韭菜、葱等3种蔬菜在辣椒田里进行间作驱虫实验,发现芹菜对田间辣椒上烟粉虱的驱避效果最好,驱避率达90.6%,韭菜次之(86.5%),葱的驱避效果一般。【结论】芹菜和韭菜对烟粉虱的驱避效果较好,该结论为烟粉虱的绿色防控提供了理论依据和技术支持。

一种自适应的弱选择压缩采样匹配追踪算法

针对实际中未知稀疏度信号的重建问题,提出了一种自适应的弱选择压缩采样匹配追踪算法。该算法将自适应思想、弱选择思想与Co Sa MP算法相结合,在预选阶段后利用限制性弱选择策略对候选集进行二次筛选,通过双迭代阈值自适应地调整最终支撑集的原子数,并结合若干可靠性验证条件,保证算法的正确有效进行。MATLAB仿真结果表明,在相同的实验条件下,本算法可以有效地重建稀疏信号,同时具有较低的运算量,整体性能较优。

在弱选择及突变Moran过程下的演化博弈策略占优研究

研究了有限N种群博弈在策略突变、弱选择和Moran过程下的策略占优问题,主要讨论了创新性学习和模仿性学习两种机制下的两策略(A,B)演化博弈结果。我们发现,策略占优与博弈支付矩阵(a b c d)和种群数量相关:在创新性学习模型中,当且仅当1/2(a+b-c-d)N-a+d>0,策略A占优;当N>>0,当且仅当a+b>c+d,策略A冒险占优。在模仿性学习中,当(d-b)/(a-b-c+d)<1/3且N≥6时,A策略占优。

基于两次分段弱选择的压缩感知子空间追踪算法

压缩感知是一种新的信号采样和数据压缩方式,子空间追踪算法在压缩感知重构算法中兼具较高的效率和精度,但是它需要将信号的稀疏度作为先验信息,如果稀疏度估计不够准确会降低算法重构效果。针对这个问题,提出一种基于两次分段弱选择的子空间追踪算法,它不需要预先知道信号的稀疏度,第一次弱选择自适应地选择初始原子候选集,第二次弱选择自适应地从当前原子支撑集中剔除之前可能选择的错误原子,最后通过回溯法从当前原子候选集中选择多个相关原子加入原子支撑集。仿真分析表明,该算法可以在稀疏度未知的情况下实现一维随机信号和二维图像信号的精确重构,且具有较高的稳定性;与OMP算法、SWOMP算法、BAOMP算法、SAMP算法和SP算法相比,均方误差降低了60.5%~99.1%,峰值信噪比提高了2.1%~34.3%。

弱选择下局部更新过程的固定时间

双策略2×2对称博弈有限总体的进化动态本质上是一个随机过程.在双策略系统中,如果A策略者占优B策略者,则A策略会在总体中得到扩散,在随机动态下,最终达到总体内全是A策略者或全是B策略者的同源状态.研究在弱选择下的局部更新过程中,总体达到同源状态时的固定时间.结果表明,在弱选择下,A、B两个策略的条件固定时间相等,且仅依赖于两个策略收益差的线性部分,而平均固定时间仅依赖于两个策略收益差的常数部分.最后通过图形表明了固定时间与系统总体数、博弈收益及选择强度间的关系.

浅谈智能大厦弱电系统集成商和弱电系统产品的选择

本文对弱电系统集成商和弱电系统产品的选择作了讨论。介绍如何正确选择合适集成承包商及弱电产品。

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。

烟草蚀纹病毒弱株系的研究

1991～1995年利用钴60照射和亚硝酸处理进行了烟草蚀纹病毒（TEV）弱株系的选择及防病效果试验。结果表明，钴60照射病毒溶液能产生弱株突变体的适宜剂量是1．29C／kg和2．58C／kg，亚硝酸处理的适宜浓度和时间是1mol／L，30min～50min。以选择效果明显的弱株有R4和H38，其室内交互保护试验的效果最高值分别是85．8％和47．4％，田间防病效果分别为81．6％和40．3％。两个弱株免疫后接种强株，其烟株体内病毒含量均低于强株对照。试验还表明，亚硝酸处理较钻60能产生较多的弱株突变体。

烟草蚀纹病毒弱株系的选育及免疫效果研究

１９９１～１９９５年利用钴６０照射和亚硝酸处理进行了烟草蚀纹病毒（ＴＥＶ）弱株系的选择及防病效果试验。结果表明，钴６０照射病毒溶液能产生弱株突变体的适宜剂量是１．２９，２．５８Ｃ／ｋｇ，亚硝酸处理的适宜浓度和时间是１ｍｏｌ·Ｌ－１，３０～５０ｍｉｎ．经选择效果明显的弱株有Ｒ４和Ｈ３８，其室内交互保护试验的效果最高分别是８５．８％和４７．４％；田间防病效果分别为８１．６％和４０．３％．两个弱株免疫后接种强株，其烟株体内病毒含量均低于强株对照。试验还表明，亚硝酸处理较钴６０能产生较多的弱株突变体。

基于匹配追踪算法阈值改进的MIMO-OFDM信道估计研究

对于MIMO-OFDM系统信道估计的研究在国内外已经取得了一定的成果,其中采用CoSaMP算法进行信道估计时支撑候选集的选择尤为重要。采用CoSaMP算法对MIMO-OFDM信道进行估计,并在此基础上引入原子弱选择标准对候选集进行更进一步的优化,使改进后的CoSaMP算法在达到自适应的同时提高运算速率,达到信道估计算法自适应的目的。实验结果表明,对CoSaMP算法的候选集选择添加阈值后进行重构信号时复杂度降低,提高了运算速率,同时均方根误差较CoSaMP算法和OMP算法都有一定的提高。

基于压缩感知的FBMC/OQAM系统信道估计方法

在移动到移动传感网络中,利用无线信道的固有稀疏性,可将FBMC/OQAM系统信道估计作为一个压缩感知问题来研究,以提高系统频带利用率。首先,提出了一种新的基于Tanimoto系数的弱选择正则化正交匹配追踪(T-SWROMP)算法,以提高LS信道估计的精度。然后,分别用结合辅助导频和编码方法的T-SWROMP方法来估计FBMC/OQAM系统中的信道频率响应。仿真结果表明,所提方法比传统的SWOMP方法具有更低的复杂度。此外,其在双选择信道下比传统的OMP、SWOMP和ROMP方法具有更好的BER性能。

基于广义Jaccard系数的SWOMP语音压缩感知重建算法

针对分段弱正交匹配追踪(SWOMP)算法使用内积匹配准则完成原子筛选时存在丢失原子的现象,造成重建语音信号质量差的缺点,提出了一种基于广义Jaccard系数的SWOMP算法。该算法利用广义Jaccard系数相似性的匹配准则代替内积匹配准则,在保留原子信息的同时放大了相关性,解决了以内积准则求向量相似度造成原子丢失的问题,优化了原子筛选。在相同条件下,对重建语音信号从平均帧信噪比和主观语音质量评估两个方面进行评价。仿真评价结果表明,与SWOMP算法相比,基于广义Jaccard系数的SWOMP算法能有效提高对语音信号重建的性能。

双阈值正交匹配追踪算法

压缩感知理论(CS)中的重构算法是压缩感知理论的重要组成部分。在稀疏度未知的情况下,一些重构算法表现不佳。针对该问题,提出一种基于双阈值的正交匹配追踪算法。通过对所选原子的两次筛选,能够在稀疏度未知的情况下,高效率、高质量地重构信号。与同类算法相比,所提算法能够很好地重构信号,重构精度较高,运行速度较快。

一种改进的压缩感知重构算法

压缩感知理论提供了一种全新的信号获取方式:引入信号的稀疏性,利用少量观测值,通过重构算法实现信号的高精度重构。构建快速、稳定的重构算法是压缩感知理论的主要研究方向之一。为了解决子空间追踪算法依赖于稀疏度的先验信息和重构质量较差的问题,提出一种改进的自适应子空间追踪算法。算法在选择原子的过程中,引入弱选择标准自适应地选择初始候选集,接着通过正则化过程对初始候选集中的原子进行筛选,算法在选择最终支撑集过程中,可以自适应调节支撑集原子个数。应用一维随机信号和二维图像进行重构实验,测试算法的稳定性、重构精度和重构时间,与正交匹配追踪算法、子空间追踪算法、正则化正交匹配追踪算法和稀疏度自适应匹配追踪算法进行对比实验,实验结果表明所提算法可以实现信号的高精度重构,重构稳定性和重构精度与同类算法相比有明显提升。

一种无状态的短签名方案

提出一种无状态的短签名方案,公开参数只有4项,私钥1项,签名2项,它同时也是很高效的,并且具有一定扩展性。之前的短签名方案要么基于复杂的假设,要么签名者需持有状态,或者效率比较低。首先证明方案是在标准模型下基于CDH假设是弱选择消息攻击不可伪造的,然后利用变色龙哈希函数的性质,可以使方案的安全性提升到标准模型同样假设下适应性选择消息攻击不可伪造的。相对于其他签名方案,本方案有其独特的优势。

关于f-最大集及其性质

定义了f-最大集,并且讨论了f-最大集的存在及其性质.

P_k γ上理想的若干性质

证明了:1)P_κλ上存在一个半正规,弱选择,但不是λ-生成的理想.2)若 I 是一个λ^(<κ)-生成的,κ-完全的,弱选择的理想,则对每一个 A∈I^+,都存在 B∈P(A)∩I^+,使得 I|B=I_κλ|B;若 I 是一个λ^(<κ)-生成的,κ-完全的,弱选择的正规理想,则对每个 A∈I^+,都存在μ<κ,使得 I|A 不是(μ,λ)-可分的.3)若 Q_κλ上存在一个精细,■κ正规理想,则 P_κλ上存在一个精细,具有■κ性质的理想.