分块快速压缩追踪算法

FCT作为一种新的追踪算法,具有简单、高效、实时的优点,但是该算法依旧存在缺点.在FCT中,由于压缩测量矩阵的稀疏性,忽略了样本的空间信息,使得提取的特征不能准确的表征样本;当追踪错误时没有补救措施.本文提出一种改进的快速压缩追踪算法,该方法充分利用样本图像的空间信息,分块提取样本的Haarlike特征;利用目标运动估计法矫正分类错误时追踪到的目标.通过调整压缩测量矩阵中行向量的稀疏度以及朴素贝叶斯分类器的阈值可以实现目标的准确追踪.实验结果表明,与快速压缩追踪算法(FCT)相比,本文改进后的算法,无论是在追踪相似度、追踪成功率还是主观视觉效果上都有所提高.

基于改进正交匹配追踪算法的压缩感知雷达成像方法

运算复杂度高是基于压缩感知(CS)的雷达成像方法走向实用亟待克服的难题。该文利用雷达目标散射率分布的稀疏性,研究了基于改进正交匹配追踪(OMP)算法的2维联合压缩成像方法。首先建立了步进频雷达回波的稀疏表示模型,根据稀疏字典和压缩测量的2维可分离特性,提出一种改进的OMP算法用于雷达图像形成,大大提高了计算效率,并很容易扩展到其他贪婪类算法中。从理论上对几种CS成像算法的性能及资源需求进行了分析比较,表明所提供的算法相比常规的CS算法在存储量和计算量上均具有显著的优势,仿真及暗室数据实验验证了所提成像算法的有效性。

基于压缩感知的图像快速重建方法探讨

本文通过设计一种基于观测矩阵与多稀疏变换基的组合并利用正交匹配追踪计算法重建图像,同时通过实验的实际结果,一级小波分解图像,将相似的分子量图像实现提取,而后应用压缩感知技术实现对其的恢复操作,最终借助小波逆变换得到图像的快速重建效果。

基于快速谱峭度和正交匹配追踪算法的轴承故障诊断方法

针对快速谱峭度在低信噪比情况下诊断效果差的问题,提出了一种基于正交匹配追踪(OMP)算法的滚动轴承故障诊断新方法。该方法通过快速谱峭度图确定最优滤波器参数对信号进行滤波,利用故障信号在傅里叶稀疏基下的稀疏度已知的特点,对滤波信号的包络信号在傅里叶稀疏基下用OMP算法对轴承振动信号的包络信号进行重构,以减少噪声和其他无关成分的影响,最后对重构信号进行频谱分析获取轴承故障特征。通过轴承故障仿真数据、实验台故障轴承外圈和内圈试验数据的检验,验证了该方法的有效性和可行性。

基于快速贝叶斯匹配追踪的激光大气信道估计（英文）

信道估计是指接收机获知信道状态信息的方法和过程。信道估计的准确度决定了接收机的工作性能,所以均衡之前,必须先进行信道估计。目前,激光光学传输信道估计成为多输入多输出正交频分复用的自由空间光通信系统的关键技术。传统的压缩感知方法作为一种信道估计的有效方法,具有恢复和重构原始信号的能力,但在计算复杂度上付出了一定的代价。快速贝叶斯匹配追踪算法克服了现有方法重构精度低和复杂度高缺点。通过先验模型选择和近似的最小均方误差的参数向量的估计,快速贝叶斯匹配追踪算法提供了估计信道冲激响应的一种有效方式。仿真结果表明,与传统的基于压缩感知的方法相比,该方法能显著提高系统的性能。

小波包多级树模型管道泄漏信号压缩感知方法

针对目前管道泄漏监测信号压缩感知处理过程中,所需测量数较高,在数据压缩比较高的情况下泄漏信号重构性能指标比较低,未对稀疏信号固有的结构特征充分考虑的问题,提出了基于小波包多级树模型的管道泄漏监测信号稀疏化表示方法和结构模型的快速贝叶斯匹配追踪算法(M-FBMP)的压缩感知方法,该方法充分利用管道泄漏监测信号的特点合理选择稀疏基,构建了一次分解小波包多级树的管道泄漏监测信号模型,优化了标准高斯测量矩阵,推导了基于管道泄漏监测信号稀疏信号结构的M-FBMP算法,实现了信号的压缩采样和重构。通过实验对比该方法与传统快速贝叶斯匹配追踪(FBMP)压缩感知方法,实验给出了不同数据压缩比条件下,2种压缩感知方法所能达到的性能指标,结果表明所提方法与基于FBMP的压缩感知方法在均方根误差、信号的重构信噪比相同量级的情况下,数据压缩比提高了3.4倍,大大降低了工业监控数据传输对网络通信信道带宽的要求。在数据压缩比为30∶1的条件下,利用所提算法进行信号恢复,信号的重构信噪比提高了近2倍;重构能量恢复系数优于1×10-3,重构信号精度可以满足管道泄漏检测与定位的要求。

基于压缩感知的QAR数据重构

介绍了一种基于压缩感知(CS)理论的数据重构方法,适用于记录民航飞机运行参数的快速存取记录器(QAR);选择合适的稀疏变换基将转轴震动信号、垂直加速度信号等飞行数据稀疏表示后,通过测量矩阵实现信号有用信息的高效获取,并利用正交匹配追踪算法对QAR记录的压缩后数据进行重构;仿真结果表明,通过该方法完成飞行数据的压缩采样、传输和重构,重构信号与原始信号的相对误差小于3%,重构效果较好,不仅能够降低QAR的存储压力,提高数据的传输效率,而且使QAR数据应用于对采样率要求较高的研究项目成为可能。

基于稀疏表示的快速图像超分辨率算法

针对传统基于超完备字典的图像超分辨率重建算法训练样本庞大、训练时间长、稀疏度固定,且迭代时间长的问题,提出一种快速的图像超分辨率重建算法。该算法在字典训练阶段引入快速核密度估计算法对训练样本规模进行估计,得到数量合理的训练样本,在稀疏表示阶段使用改进的广义正交匹配追踪算法,克服稀疏表示算法中固定稀疏度的缺陷。实验结果表明,相比传统字典训练算法,该算法能提高超分辨率重构的精度,且平均迭代时间较少。

基于压缩感知的无模糊宽带测向技术

针对宽带侦察接收机提出了一种新的基于压缩感知(compressed sensing,CS)的无模糊测量来波方向方法,采用非均匀阵列的空域欠采样特性及空域谱的稀疏特性,构造无模糊宽带测向的CS模型,利用基追踪降噪算法估计无模糊的空域响应,实现了最小阵元间距都无法满足空域Nyquist采样情况下的方向角无模糊估计,为了提高所提方法对噪声的鲁棒性及多信号处理能力,提出了快速傅里叶变换频域预处理和CS相结合的宽带测向方法,仿真结果验证了所提方法较直接CS方法具有更高的测向精度和更好的鲁棒性。

稀疏表示的人脸识别及其优化算法

稀疏表示的本质就是稀疏正规化约束下的信号分解。提出一种改进的正交匹配追踪算法,使运算量较高的矩阵求逆运算转变为轻量级的向量运算或向量与矩阵的运算,可以加快逆矩阵和大矩阵乘积的求解。将此算法应用于稀疏表示的人脸识别,探讨并验证了稀疏阀值的设置和训练字典的选择对人脸识别率和识别速度的影响。

基于非均匀采样的稀疏信号恢复FPGA实现技术研究

针对宽频段非均匀采样信号恢复的FPGA实现进行了技术研究。以非均匀采样器作为频域稀疏信号的压缩采样模型,应用快速迭代阈值收缩算法(FISTA)求解基于L1范数最小化的稀疏信号恢复优化问题——基追踪抗量化噪声,提出了对求解过程的近似处理方法,使得硬件实现难度大幅降低,最终给出了基于FISTA的信号恢复算法在FPGA上的实现方法,编写了Verilog HDL代码,在逻辑电路仿真工具上进行了仿真,算法运行时间为6.7 ms。结果表明所设计的恢复电路能够正确运行,且具备良好的实时性能。