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.

齿轮箱故障诊断中的正交匹配追踪算法

为通过齿轮箱的振动信号进行故障诊断,应用正交匹配追踪算法对振动信号进行处理.齿轮箱的振动信号包含了齿轮箱运行状态特征,但同时也掺杂了大量噪声信号,总体呈现出非平稳性.齿轮箱故障诊断的关键是从齿轮箱的振动信号中剔除冗余信息,用少量特征信息准确的表达信号,完成对信号中故障特征的提取.传统的频域分析法,只能从频域图上定性的判断故障,无法做到定量判断.正交匹配追踪算法是一种定量提取特征的方法,在傅里叶正交基下对振动信号进行时域向频域的映射,在频域上定量的得到主要特征,再根据主成分分析思想,提取出3组主要特征点,将已知故障分类的信号特征与待检测信号的特征进行对比,通过频域的位置和幅值的两次比较,判断故障状态,实验证明该方法可以准确的判断出齿轮箱从正常状态到100%磨损的5个不同形态的特征,完成对齿轮箱的故障诊断和分类.

基于块A~＊正交匹配追踪的多传感器数据联合重构算法

针对A*正交匹配追踪(A*OMP)算法计算复杂高,且不能利用信号的结构稀疏性这一缺陷,该文提出了块A*OMP算法并将其用于解决分布式压缩感知中的信号联合重构问题。该算法用原子块取代单个原子作为搜索树中的节点,在计算路径代价时用搜索树中所有路径的最大长度取代信号的稀疏度。然后在块A*OMP算法的基础上,选择与残差矩阵投影误差最小的原子块作为新的节点,得到了一种用于解决MMV(Multiple Measurement Vector,MMV)问题的块A*OMP算法,并利用该算法对相邻区域内的多个传感器所测的温度信号进行了联合重构。实验结果表明,该算法的重构性能优于MMV正交匹配追踪(OMPMMV)算法。

基于正交匹配追踪算法的谐波源定位方法

为了在系统非全局可观时,仍能对节点注入谐波电流进行估算,对电网中的谐波源进行有效定位,文章提出了一种基于正交匹配追踪算法的谐波源定位方法。提出方法根据已知量测量和量测矩阵,基于压缩感知理论中的正交匹配追踪算法对欠定的系统谐波状态方程进行求解,估算了节点注入谐波电流,实现了系统一定程度非全局可观时的谐波源有效定位。通过与其他方法的仿真对比分析,验证了在改变谐波源数目和位置以及考虑测量误差时,提出方法具有更好的定位效果,说明了提出方法具有较高的适用性和抗干扰能力。

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。

双重约束非负矩阵分解与改进正交匹配追踪算法的语音增强

针对非负矩阵分解算法实现语音增强效果不理想的问题,提出了一种双重约束非负矩阵分解结合改进正交匹配追踪算法的语音增强方法。采用时间约束及稀疏度约束的双重约束方式改进非负矩阵分解算法,使得分解后的数据更能反映出语音特征。通过改进正交匹配追踪算法提升重构精度,并结合语音信号在时频域的分布特征,引入低通滤波器进一步平滑重构后的语音。采用4个评价指标对该算法进行评价。实验结果表明:在不降低运行时间效率的情况下,相较于对比算法,感知语音质量评估值(PESQ)提升14.71%~45.70%,对数谱距离(LSD)下降18.14%~25.47%,信源失真率(SDR)由-5~11提升至2~14。

基于FPGA的正交匹配追踪算法的硬件实现

针对压缩感知重构算法中的正交匹配追踪(OMP)算法,设计了一种基于FPGA的OMP算法的硬体结构.在矩阵分解部分采用了修正的Cholesky分解方法规避开方运算,以减小计算延迟.在Quartus II开发环境下对该设计进行了RTL级描述,用Modelism进行了相应的功能仿真;针对Altera系列Cyclone III Ep3c120F780C7进行综合,并完成时序仿真.仿真结果验证了设计的正确性,在单精度条件下,设计的最高工作频率可达31.28MHz,占用的资源为9874个LE.

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。

正交匹配追踪算法的优化设计与FPGA实现

设计了一种基于FPGA的正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法的硬件优化结构,对OMP算法进行了改进,大大减少了乘法运算次数;在矩阵分解部分采用了交替柯列斯基分解(Alternative Cholesky Decomposition,ACD)方法避免开方运算,以减小计算延迟,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,在Altera公司的Cyclone II EP2C70F672C6上进行综合并完成时序仿真,仿真结果验证了设计的正确性。

基于图像特征改进的正交匹配追踪算法

将压缩传感理论应用于成像是光场成像理论的热门研究方向,由此可以设计出更简单、便宜、小巧的光学系统.正交匹配追踪算法是压缩传感理论的重要重构算法,它在重建图像时隐含着整幅图像权重相同的思想,没有体现出图像的固有特征,例如行列突变的剧烈程度,以及经过快速傅里叶变换基、离散余弦变换基、离散小波变换基作用得到的小稀疏系数代表图像的细节、大稀疏系数代表图像的轮廓的特点.使用上述3种变换基作用图像时,可以针对正交匹配追踪算法的固有缺点,提出合理选择逐行或者逐列重构图像和使用自适应迭代次数重构图像两种改进方法.仿真结果表明,改进算法明显提高了图像的质量,能够得到更好的图像视觉效果.

正交匹配追踪算法的优化及FPGA实现

正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法是压缩感知系统中应用最广泛的重构算法之一.OMP算法中的最小二乘(Least Squares,LS)问题涉及到矩阵求逆运算,是计算复杂度最高的部分.本文提出了一种近似OMP算法,通过优化最小二乘问题提高重构速度,更利于硬件实现.设计了一种基于FPGA的近似OMP算法的硬件实现架构,主要包含计算模块、存储模块和控制模块3个部分,利用Xilinx公司的Vivado软件进行综合仿真实验.对比现有相似实现设计,本文设计的架构通过调用更多的DSP资源减少了slices资源的使用量,在208MHz频率下重构速度提升了1.25-1.72倍,同时具备一定的可扩展性.

回溯正则化分段正交匹配追踪算法

针对分段正交匹配追踪（STOMP）算法对信号重构效果较差的问题，提出一种回溯正则化分段正交匹配追踪（BR-STOMP）算法。首先，该算法采用正则化思想选取能量较大的原子，以减少阈值阶段候选集中的原子；然后，利用回溯对原子进行检验，并对解的支撑集中的原子重新筛选一次，同时删除对解的贡献较低的原子，提高算法的重构率；最后，对感知矩阵进行归一化处理，使算法更加简单。仿真结果表明：BR-STOMP算法与正交匹配追踪（OMP）算法相比较峰值信噪比提高8％～10％左右，运行时间减少70％～80％；与StOMP算法相比较，峰值信噪比提高19％～35％。BR-StOMP算法能够精确地恢复信号，重建效果优于OMP算法和StOMP算法。

二维逐步正交匹配追踪算法

在图像等二维信号的应用与处理上,常规压缩感知理论框架存在重构算法效果差、图像块效应明显、对噪声敏感等问题。针对这些问题,根据现有二维观测模型和二维重构算法设计思想,可以设计一种新的重构算法:二维逐步正交匹配追踪算法。该算法借鉴了相关一维重构算法的设计思想,通过每次迭代选取符合阈值条件的多列原子进而正交化处理的步骤,提升了重构效率,改善了恢复图像质量。理论分析和实验结果表明,提出的算法在重构时间得到控制的情况下,得到的图像信噪比有较大提升,超越了现有典型的二维重构算法。

基于二次筛选的回溯广义正交匹配追踪算法的稀疏信号重构

压缩感知是一种新型的信号采样及重构理论,高效的信号重构算法是压缩感知由理论转向实际应用的枢纽。为了更精确地重构出原始稀疏信号,本文提出一种基于二次筛选的回溯广义正交匹配追踪算法。首先采用内积匹配准则选出较大数目的相关原子,提高原子的利用率。其次利用广义Jaccard系数准则对已选出的原子进行二次筛选,得到最匹配的原子,优化原子选取方式。实验结果表明,在不同稀疏度和观测值下进行信号重构,相比于回溯广义正交匹配追踪算法、正交匹配追踪算法及子空间追踪算法,本文算法在重构误差及重构成功率方面有较大的优越性。

基于回溯正则化的前向搜索正交匹配追踪算法研究

为了解决前向搜索正交匹配追踪算法重构质量较差的问题,提出了一种回溯正则化前向搜索正交匹配追踪算法用于信号重构,在选择原子的过程中先通过回溯策略选择初始候选集,再用正则化方法对初选集中的原子进行筛选,从而提高信息重构的精度。通过一维信号、二维图像重构实验,与正交匹配追踪算法、前向搜索正交匹配追踪算法进行了对比实验,结果表明所提算法可以实现信号的高精度重构,并且在重构率和重构信噪比方面与同类算法相比,有明显提升。

电能质量信号重构的广义–正则化正交匹配追踪算法

提出了一种基于压缩感知理论的广义–正则化正交匹配追踪(GROMP)算法、并用于电能质量信号重构。这种GROMP算法先基于广义正交匹配追踪算法选择原子并形成原始支撑集,再增加正则化方法对原始支撑集进行二次挑选形成最终支撑集,然后借助最小二乘法更新残差、重构出原信号。它既弥补了广义正交匹配追踪算法精度较低的不足,又克服了正则化正交匹配追踪算法稳定性差和计算量大的缺点。对暂态和稳态电能质量信号重构的仿真结果表明,新的GROMP算法对多种测量矩阵的适应度好。与传统的广义正交匹配追踪算法和正则化正交匹配追踪算法相比,这种新的GROMP算法不仅对各种电能质量信号重构的精度高,而且在压缩比较小时稳定性好。

基于正交匹配追踪算法的齿轮箱轴承故障诊断及实验验证

为了提高传动振动过程中齿轮箱轴承内外圈故障诊断能力,采用正交匹配追踪(OMP)算法建立了故障诊断模型,并开展仿真分析及实验验证。研究结果表明:通过OMP算法对轴承外圈故障仿真加噪信号进行处理,能够看到信号呈周期性波动,通过频率及其倍频呈现逐步衰减,故障特征明显;经过OMP算法处理的轴承内圈故障仿真纯净信号呈周期性波动,能够看到滚动轴承的故障,轴承内圈通过频率和倍频以及边频带呈现逐步衰减,故障特征明显。为了进一步验证OMP算法处理齿轮故障的有效性,搭建封闭式功率流齿轮箱试验台,OMP重构故障信号谱图中啮合频率360 Hz峰值较低,边频带被完全掩盖,不存在大量的干扰成分。经OMP算法处理过的故障信号的谱图能很好地体现故障特征。

基于正交匹配追踪算法的虚拟内插空间平滑DOA估计

针对正交匹配追踪(Orthogonal Matching Pursuit, OMP)算法在实际的波达方向(Direction of Arrival, DOA)估计应用中,测向分辨率较低且在相干信号环境下估计性能较差的问题,提出了一种虚拟阵列空间平滑DOA估计算法.以互质阵列为模型,通过在正交匹配追踪算法重构信号的基础上,使用虚拟内插的方法,构造均匀虚拟阵列,能够提高波达方向的估计精度,加入空间平滑算法,可以分辨相干信号.仿真结果表明,使用虚拟内插算法之后,空间谱图波峰更尖锐,且在信噪比为0 dB时,最高探测精度提高到2°,测向分辨率明显有所提升,同时加入空间平滑算法,可以有效地分辨相干信号,且在信噪比为0 dB时,最高探测精度提高为4.7°,验证了本文方法的有效性.

改进的基于树型搜索的正交匹配追踪算法

正交匹配追踪算法(OMP)是一种利用一个超完备的字典进行信号分解的非线性自适应算法.文献[2]提出了基于树型搜索的正交匹配追踪算法(TB-OMP),尽管TB-OMP算法能够改进向量的逼近性能,但使计算的复杂度成指数倍的增加,严重限制了该算法在许多领域里的应用.在本文中将介绍一种灵活的基于树型搜索的正交匹配追踪算法(FTB-OMP)[5],算法通过设置参数,能够在算法逼近性能和计算复杂度之间找到一个灵活的折衷方案.

基于正交匹配追踪的远近场混合源定位算法

针对远近场混合源定位问题,提出了一种基于正交匹配追踪的参数估计算法。首先,提取接收数据协方差矩阵的反对角线元素作为新的数据向量,通过空域角度网格划分对向量进行稀疏表示;然后,利用正交匹配追踪(OMP)算法计算远场和近场目标的角度参数;接着,对空域进行距离网格划分,并构建与距离参数相关的稀疏重构问题;最后,利用OMP算法实现远近场目标的区分以及距离参数的求取。与以往的参数估计算法相比,该算法无需计算高阶统计量和进行矩阵分解,具有较低的计算复杂度;同时,由于OMP算法受信噪比和快拍数影响较小,故该算法在低信噪比和小快拍数下具有较高精度。