分段正则化正交匹配追踪算法

为了使压缩感知重构算法在实际重构信号时不需要稀疏度先验信息,本文提出了分段正则化正交匹配追踪算法。该算法根据信号重构残差量设计阈值,构建候选集。通过正则化候选集提取出用于表示信号的原子,并将其存入支撑集;当候选集为空集时,选择相关系数最大的原子加入支撑集。最后,针对支撑集中的原子求解最小二乘问题实现信号的逼近和残差量的更新。实验结果表明:针对长度为256的高斯信号和二值信号,提出的算法在稀疏度分别达到50和40时,精确重构率可达90%以上;在信号稀疏度相同的条件下,重构效果和速度整体优于现有的同类算法,具有速度快、稳定性好的特点。

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。

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.

基于参数化正交匹配追踪算法的高分辨雷达距离像重构

雷达线性调频信号调频率误差会导致传统匹配滤波模型失配,显著降低一维距离像成像效果.针对调频率误差模型下的宽带雷达高分辨一维距离像稀疏成像问题,提出了一种基于参数化正交匹配追踪算法的高分辨雷达一维成像方法.该方法首先确定调频率参数取值范围,构建调频率参数可选集合;然后基于回波数据观测矩阵与调频率的解析关系,针对每一个可选值构建参数化的稀疏观测矩阵,并进行单步正交匹配追踪迭代;最后基于每一个参数可选值对应的单步残差能量逐步筛选出调频率参数.仿真和实测数据实验验证了所提方法的有效性.

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。

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。

改进正则化正交匹配追踪波达方向估计方法

针对稀疏阵列模型下匹配追踪波达方向估计方法稳定性不足的问题,提出了改进的正则化正交匹配追踪波达方向估计方法——TROMPDOA(T-transform Regularized Orthogonal Matching Pursuit Directions of Arrival Estimation).仿真表明,TROMPDOA方法在计算复杂度上与原有正交匹配追踪波达方向估计方法OMPDOA(Orthogonal Matching Pursuit Directions of Arrival Estimation)相近,但在估计稳定性上要优于OMPDOA方法,特别是在低信噪比及信号源之间的角度较近时,TROMPDOA方法比OMPDOA方法稳定性提高1倍.实验验证了TROMPDOA方法适用于单元和多元目标估计,估计精度达到1.5°.

基于正则化正交匹配追踪的SAR层析成像

压缩感知框架下的合成孔径雷达(SAR)层析成像技术引起了人们的关注。压缩感知理论能在实际系统中基线数量和分布稀疏的情况下实现高度向的高分辨率聚焦,这是基于谱分析的成像处理方法难以实现的。提出将正则化正交匹配追踪(ROMP)算法应用于SAR层析成像中,仿真实验结果表明该算法能高分辨率的成像,接着探讨了被测区域目标数目对成像精度的影响,结果表明随着目标数目的增加,成像的误差越大,这些对进一步的SAR层析成像研究具有重要的理论意义。

基于局部随机化哈达玛矩阵的正交多匹配追踪算法

针对现有测量矩阵的优缺点,采用具有良好相关性、随机独立性及快速计算的局部随机化哈达玛矩阵作为测量矩阵,同时针对标准正交匹配追踪算法在测量过程中受扰或在稀疏信号情况下难以稳定精确重构问题,提出了一种基于局部随机化哈达玛矩阵的正交多匹配追踪算法。该算法利用局部随机化哈达玛矩阵的结构特性,能够快速精确重构原信号。仿真结果表明,测量过程中存在噪声或无噪,无论处理一维信号还是二维图像信号时,该算法性能均超过同类其他贪婪算法和凸优化基匹配法。

基于改进果蝇优化算法正交匹配追踪的超声信号降噪方法

降噪是超声信号处理的重要环节,正交匹配追踪是一种常用的降噪方法,传统正交匹配追踪算法计算量大、分解精度不高,无法提取强噪声背景下的超声信号.本文提出了一种结合果蝇优化算法和正交匹配追踪的超声信号降噪算法,将正交匹配追踪中的“贪婪”搜索转换为Gabor函数的参数优化问题,利用果蝇优化算法估计Gabor函数的最优值,采用自适应步长以提高果蝇优化算法的全局遍历性,同时引入高维广义CAT映射以跳出局部最优,最后由寻找到的最佳原子重构超声信号.为验证算法的有效性,对仿真的多频超声回波信号和实验采集的锻件试块超声回波信号进行了降噪处理,结果表明,本文提出的方法能有效提取强噪声背景下的超声信号.

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。

基于基扩展模型的改进正则化正交匹配追踪V2X 快时变SC-FDMA信道估计

为了进一步提升车联万物(V2X)的通信性能,首先根据信道冲激响应的稀疏性建立了适用于高速移动场景的基扩展模型(BEM);其次,证明了BEM系数具有稀疏性,将信道估计问题转化为稀疏信号重构问题,进而提出基于BEM的改进正则化正交匹配追踪(iROMP)迭代稀疏信道估计算法(简称为BEM-iROMP算法)。所提算法通过iROMP获取BEM系数,利用反馈结果不断迭代以达到最优信道估计。仿真结果表明,与最小二乘法、线性最小均方误差和BEM-LS信道估计算法相比,所提算法能够有效提高V2X快时变信道下单载波频分多址系统的归一化均方误差和误码率性能。

改进的回溯正则化自适应匹配追踪算法及应用

针对压缩感知重构时存在的回溯过度问题,研究了一种改进的回溯正则化自适应匹配追踪(IBRAMP)算法。首先,利用自适应阈值随机地进行原子选取,并通过回溯剔除错误原子的方法来提高重构的正确率。其次,在回溯的同时,通过更新剔除原子序数对应的观测矩阵列来避免回溯过度问题。最后,对观测矩阵进行归一化处理,减少重构时间。实验结果表明,该算法在具备更高成功重构率的同时,能够大幅度减少重构时间。将其用于实际故障轴承信号的重构中,重构结果无论在时域还是在频域中,都能准确地反映实际轴承故障信号中的故障特征。

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。

用于压缩采样信号重建的回溯正则化自适应匹配追踪算法

正则化正交匹配追踪算法是一种广泛被使用的压缩感知重构算法,但其需要已知信号的稀疏度。针对这一缺点,本文提出一种回溯正则化自适应匹配追踪算法。该算法基于正则化正交匹配追踪算法进行改进,首先采用设置模糊阈值的方式初始化选取一些原子,然后对其进行正则化,最后采用回溯的方式删掉个别错误的原子。在每次迭代中,不断更新支撑集的同时扩大支撑集,以逐步逼近信号的稀疏度。实验结果表明,在相同的测试条件下,改进后的算法与其他贪婪算法相比,无论是对一维稀疏信号还是二维图像,均取得了更好的重建效果,且运行时间也比较适中。

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。

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.

基于能量分选的正则化匹配追踪改进算法

重构算法是压缩感知理论中重要的内容之一,而正则化匹配追踪算法因其优异的重构性能获得了广泛的应用。从正则化匹配追踪算法原子筛选原则出发,在相关性准则和正则化准则的基础上,提出了以能量分选为选择标准的ROMP改进算法。仿真实验证明,提出的ROMP改进算法在各个性能指标上均优于ROMP算法,验证了本改进算法的有效性和可靠性。在此基础上将其应用到雷达距离维成像中,取得了很好的成像效果。

基于差分正交匹配追踪和Prony算法的低频振荡模态辨识

根据实测数据对电力系统低频振荡模态进行辨识,有助于实现电力系统有效的阻尼控制,从而提高电网的稳定性。文中介绍了利用Prony算法辨识低频振荡模态参数的原理,针对Prony算法对噪声干扰敏感以及模型阶数辨识困难导致出现伪模态的缺点,提出了一种基于差分正交匹配追踪(DOMP)和Prony算法相结合的低频振荡模态参数辨识方法。EPRI-36节点系统和实际系统相量测量单元数据算例的仿真结果表明,所述方法能够准确地辨识出系统低频振荡模态参数。通过与Prony算法结果对比验证表明,该方法辨识结果更加准确,能够满足低频振荡模态参数辨识要求。

基于改进遗传算法的正交匹配追踪信号重建方法

针对压缩传感现有重建算法的缺陷:重建速度慢,在给定迭代次数的条件下进行重建,缺乏自适应性等,提出了一种改进的遗传算法与正交匹配追踪算法相结合的方法来构造重建矩阵。首先采用改进的遗传算法从测量矩阵的列中以最优染色体的形式选出与当前冗余向量最大程度相关的列,然后从测量矩阵中减去最优染色体部分并反复迭代,直到满足重建精度。实验结果表明,与现有的重建算法相比,在满足相同的重建精度条件下,该方法所需要的重建时间减少了5s左右,所需要的测量矩阵规模减小了约10%,而且能在待重建信号稀疏度未知时自适应地控制迭代停止时间。