基于MP与GA-VMD结合的地震资料去噪方法研究

传统变分模态分解(VMD)方法地震资料去噪效果受惩罚参数α和模态分量个数K影响较大,为了更加有效地抑制噪声对地震资料的影响,这里提出了遗传算法改进的VMD(GA-VMD)与匹配追踪(MP)相结合的地震资料去噪方法。该方法与MP及遗传算法相结合,在有效提取地震资料信息同时,能够自适应选择VMD的决定参数[K,α],使去噪效果达到最佳。将本方法应用于模拟地震信号和实际地震资料去噪,并与传统VMD方法和MP去噪方法对比。数据仿真与实验结果表明,在原始信号信噪比为3.11 dB时,传统方法和本文方法去噪后信号信噪比分别为6.29 dB与9.43 dB,本文方法在不损失有效信号的同时,具有更好的去噪效果。

基于实值Root-MUSIC和MP的间谐波检测算法

针对目前电力系统中谐波与相近间谐波检测精度不高、受噪声影响较大的情况,提出一种基于实值Root-MUSIC和MP的间谐波检测算法。通过对信号建立自相关矩阵并进行特征分解得到特征空间,基于特征空间构造实值Root-MUSIC多项式估计出信号频率,通过MP算法对信号进行分解,估计出信号的幅值与相位。仿真结果表明,该检测算法有着较好的抗噪性,相比传统MUSIC算法在减少了大量运算度的情况下在谐波与相近间谐波的检测中有着更好的精确度。

多点地质统计学DS-MPS算法在储层沉积相建模中的应用

传统的多点地质统计学沉积相建模存在计算量大、模拟目标体连续性差等缺点,而基于直接取样的多点地质统计学(DS-MPS)算法在模拟过程中直接使用数据事件之间的相似性进行判断,当从训练图像中搜到与待估点周围的条件数据事件相似时,则直接将训练图像中相应位置的相类型赋于待估点。这一过程不用预先构建搜索树,节约了计算机内存。在详细剖析模拟原理的基础上,以几类不同特征的沉积相建模为例,将DS-MPS算法与传统的Snesim模拟算法比较。结果表明DS-MPS算法在目标体的连续性方面有较大的改进,在相类型多于2类时有较大的优势。

基于改进小波阈值去噪和RCRSV-MP算法的电力系统低频振荡模态辨识

针对广域测量系统低频振荡辨识中存在噪声干扰和定阶不准确的问题,提出了基于改进小波阈值去噪和奇异值相对变化率(RCRSV)定阶的矩阵束(MP)算法相结合的方法对电力系统低频振荡模态进行辨识。在小波去噪基础上对阈值进行改进,使得阈值随分解层数的增加而发生改变,能够有效地抑制低频振荡信号的噪声;然后将去噪后的信号用RCRSV-MP算法进行辨识,从而获取低频振荡各个模态参数。根据RCRSV定阶具有自适应性,无需人为设定阈值。通过仿真算例、测试系统及电网实际案例的结果显示,所提方法相比于其他方法具有抗噪性能好、拟合精度高等优点,具有较强的实用性,能够实现在线辨识。

基于FFT的MP信号稀疏分解算法的改进

针对基于FFT的MP信号稀疏分解算法中存在的计算量过大的问题,提出了改进算法.改进算法充分利用了当FFT算法的变换长度是2的整数次幂时运算速度最快的性质,用基2 FFT实现信号稀疏分解中的相关运算.理论分析显示,当数字信号长度为1 024采样点时,用FFT算法计算互相关的速度为直接计算的10.6倍.仿真实验结果表明,改进算法的计算速度为直接计算的8.05倍,为原基于FFT的MP算法的3.64倍.

基于GA和MP的信号稀疏分解算法的改进

信号的稀疏表示在信号处理的许多方面有着重要的应用,基于MP的稀疏分解是目前信号稀疏分解的最常用方法,也是几乎所有稀疏分解算法中速度最快的,但其存在的关键问题仍然是计算量十分巨大。基于利用MP(Matching Pursuit)方法实现的信号稀疏分解算法,采用遗传算法(GA)快速寻找MP过程中每一步分解的最佳原子。并针对基本遗传算法存在的未成熟收敛和易陷入局部最优解的问题,提出了对基于GA和MP的信号稀疏分解的一种改进算法,实验结果证实了改进算法的有效性。

基于GA的心电信号稀疏分解MP算法改进

基于遗传算法(GA)的信号稀疏分解算法运算量较大。为解决该问题,提出一种基于GA的心电信号匹配追踪改进算法。结合心电信号的特征,根据信号特征波形建立窗函数,将信号分为能量集中和稀疏部分,分别采用不同的算法流程和参数。实验结果表明,该改进算法的运算量较原算法降低了1/3,能提高心电信号稀疏分解的运算速度和压缩处理性能。

利用蚁群算法实现基于MP的信号稀疏分解

信号的稀疏表示在信号处理的许多方面有着重要的应用,但稀疏分解计算量十分巨大,难以产业化应用。利用蚁群算法实现快速寻找MatchingPursuit(MP)过程每一步的最优原子,大大提高了信号稀疏分解的速度,算法的有效性为实验结果所证实。

利用模拟退火实现基于MP的信号稀疏分解

信号的稀疏表示在信号处理的许多方面都有重要的应用,但稀疏分解计算量十分巨大,难以被推广而实现产业化。模拟退火算法模拟高温金属降温的热力学过程,广泛应用于求解组合优化问题。本文将模拟退火算法运用到信号的稀疏分解中,首先随机产生一组原子参数组,然后分别计算每个原子与信号或信号残差的内积的绝对值,找出内积绝对值最大的原子参数组并对它进行模拟退火处理,用处理的结果作为匹配追踪(MP)过程中每一步的最优解。在计算过程中利用原子的特性,进一步提高了信号稀疏分解的速度,并用本文提出的算法与其它方法进行了比较,实验结果表明了该算法的有效性。

利用人工鱼群算法实现基于MP的信号稀疏分解

人工鱼群算法(AFSA)是一种新的智能优化算法,具有鲁棒性强、全局收敛性好,及对初值的不敏感性等特点。将人工鱼群算法运用到信号的稀疏分解中,可快速寻找匹配追踪(MP)过程中每一步分解的最佳原子。此方法提高了信号稀疏分解的速度,算法的有效性为实验结果所证实。

基于改进MP稀疏分解的语音识别方法

在限定输入词汇量的条件下进行语音识别的过程中,结合MP稀疏分解的原子结构特性,提出把语音信号经MP稀疏分解所得的最佳原子时频参数作为匹配参数对语音进行识别。用基于遗传算法和原子库划分的策略对MP稀疏分解的寻优过程进行改进以提高MP稀疏分解的效率。在Matlab环境下进行仿真试验时,采用LGB算法对测试信号进行判别。试验结果表明,MP稀疏分解算法经改进后运行速度得到提高,采用10个原子的时频参数可有效识别长度约为6000的语音信号。

虚拟企业中加盟企业的随机MPS方法及应用研究

提出了基于双向消耗预测和启发式算法的随机主生产计划优化模型 ,有效地解决了加盟企业需求随机性引起的计划不确定性问题 ,并对该模型的算法进行了设计 。

一种基于SPIHT和匹配追踪的图像编码方法——SPMP算法

为了更好地利用图像的结构特征，提高图像重建的质量，提出了一种基于多级树集合划分（SPIHT）和匹配追踪（MP）的分层图像编码方法——（SPMP）算法。该方法首先采用拉普拉斯金字塔（LaplacianPyramid）算法将原始图像分解成低频平滑层和高频细节层，然后使用离散小波变换和SPIHT算法编码图像的低频成分，使用基于克隆选择的匹配追踪算法编码图像的高频细节层。实验结果表明，该方法能够产生渐进PSNR的位流，图像重建质量要明显高于小波图像编码算法。

基于MPS无网格方法的孤立波传播的数值模拟

在MPS无网格方法中,引进预定候选粒子集概念用以生成邻接粒子集矩阵,使该部分的机时耗费缩短为引进前的1/11;采用Bi-CGSTAB方法求解压力泊松方程,显著地提高了求解速度.模拟了孤立波在数值波浪水槽中的传播及其与直墙作用时的爬升、回落过程,结果表明模拟波面结果与解析值及实测结果基本相符,针对不同波高的孤立波计算得到的墙前最大爬升值与实测结果也是一致的.

基于粒子群优化算法的MP去噪方法优化研究

针对匹配追踪算法(MP)在信号去噪中存在计算量大的缺点,将基于多目标的粒子群优化算法应用到MP算法去噪中。提出利用两个目标函数来优化算法,从而减少计算量。目标函数分别取信号或信号残差与原子两者的相关系数绝对值的倒数和信号残差。仿真结果表明:改进的算法与基础MP算法相比,明显地去除了尖峰噪声,而且在信噪比和均方差上有明显的改善。

基于改进MP-WVD算法的核电厂建设爆破振动信号处理方法

针对爆破施工产生的振动问题,结合现有信号分析方法优缺点,引入MP-WVD组合算法解决信号分析过程中交叉项干扰问题,可提高时频分辨率,满足精确提取核电爆破振动响应信号时频分布特征的需求;将HHT算法引入MP算法数据的预处理,成功降低了MP算法运算复杂度,可为大数据量分析奠定基础。运用该算法对漳州核电一期工程场地平整土石方爆破工程振动监测信号进行分析,精确提取了爆破振动信号的时频特征。

基于GA和过完备原子库划分的MP信号稀疏分解算法

信号稀疏分解计算量大是阻碍其实时应用的主要因素。研究基于匹配追踪(Matching Pursuit)方法实现的信号稀疏分解算法,提出了基于过完备原子库集合划分的、分两阶段搜索的、遗传算法快速寻找MP过程中每一步分解的最佳原子,在稀疏分解重建信号质量不变的条件下,提高了稀疏分解的速度。算法的有效性为实验结果所证实。

变步长SAMP算法在雷达目标识别中的应用

引入压缩感知（CS）理论采用压缩重构的方法来解决雷达回波信号的数据巨大的问题。在信号稀疏度未知的情况下,针对传统的SAMP算法步长S固定导致的过估计或迭代时间过长问题,提出一种变步长的稀疏度自适应匹配追踪算法（Vs SAMP）。该算法在运算过程中以大步长快速逼近小步长慢速接近的原则,通过设置阈值调整步长变化来提高重构率。通过对雷达高分辨率距离像实测数据的压缩重构实验表明,与现有贪婪算法相比,变步长的自适应匹配追踪算法（Vs SAMP）可以用较快的速度和更高的精度实现重构。

基于MP-OGA的地面移动目标微多普勒信号识别

受实际环境中背景噪声的影响,地面移动目标微多普勒信号常常被主体信号淹没。为提取有效的目标微动特征,提出一种基于匹配跟踪(MP)稀疏分解和优化遗传算法(OGA)的自适应特征识别方法(MP-OGA),并将该算法应用于地面移动目标微多普勒信号的特征提取。首先针对传统遗传算法易陷入局部最优的缺点进行有效的优化,并将优化的遗传算法引入自适应稀疏分解的改进中,提高算法的分解速度,减少计算代价,实现原子的自适应搜索和信号的特征提取。同时,以4类实际测量得到的、包含大量噪声信号的微多普勒雷达信号作为样本信号,利用支持向量机(SVM)成功实现了低信噪比条件下各类目标的识别,平均识别率高达96.5%。

基于MP稀疏分解原子参数的乐器分类

Mel频率倒谱系数(MFCC)等传统声学特征不能精确地体现出不同乐器信号间的差别。为此,提出一种基于匹配追踪(MP)稀疏分解原子参数的乐器分类方法。利用MP算法提取各类乐器信号的稀疏分解原子,将得到的原子参数作为特征,通过支持向量机进行分类。实验结果表明,该方法的分类正确率达到89.17%,相对于MFCC提高了17.37%。