基于改进压缩采样匹配追踪算法的机械振动信号恢复

为了解决压缩感知重构算法对于机械振动信号的残缺数据恢复不佳的问题,提出一种改进压缩采样匹配追踪算法,对缺失信号进行修复重构。对比几种同类的贪婪重构算法恢复缺失信号的效果。通过仿真数据和实测数据验证算法对信号的恢复效果。结果表明:改进方法能够很好地实现对缺损信号的修复,且重构概率远远高于其他重构算法,比较压缩采样匹配追踪算法与其改进算法发现:在稀疏度为50时,改进算法的重构概率可以达到100%,而未改进的压缩采样匹配追踪算法重构概率为0,说明改进算法的重构效果优于原算法,重构出来的信号可以准确地表现原始信号的全部信息。

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。

基于运动预测的改进ORB-SLAM算法

针对不同运动场景下以固定的点特征提取与匹配策略的ORB-SLAM算法存在系统跟踪定位误差较大的问题,考虑相机自身运动对视觉SLAM系统的影响,提出基于运动预测的改进ORB-SLAM算法.该方法利用上一帧的点特征利用率和匀速运动模型,预测出相邻2帧之间的共视范围,实时动态调整不同运动状态下的点特征提取阈值,在保证系统稳定性的情况下,提高系统的准确性.提出基于运动预测的点特征匹配优化策略,基于匀速运动模型快速确定出共视范围内的有效待匹配点,结合图像金字塔缩小匹配搜索范围,减少大量的无效匹配过程.在TUM数据集上进行对比实验,结果表明,提出的算法不仅实时性好,而且提高了系统的精度.

采用K⁃SVD字典训练稀疏基的压缩感知叶尖间隙数据重构方法

航空发动机叶尖间隙是监控其运行状态的有效参数,现有间隙测量方法很难满足超高转速下间隙距离的奈奎斯特采样率,因此无法有效提取精确的叶尖间隙值。本文基于压缩感知原理,针对间隙距离数据特征提出一种采用K-SVD(K-singular value decomposition)字典训练稀疏基的数据重构方法,该方法首先构建出K-SVD字典稀疏基对数据进行稀疏化表示,然后使用m序列高斯随机矩阵对数据进行压缩观测,最后基于压缩欠采样观测值使用正交匹配追踪算法对数据进行重构,进而精确提取叶尖间隙值。实验结果表明,在欠采样条件下间隙距离数据可精确恢复重构,与高采样率下的间隙数据相比,重构误差不超过0.02 mm。

基于正交匹配追踪的并行采样信号重构方法

为解决从超高速并行采样系统的海量数据中提取有效信息进行存储并准确重构信号这一关键问题,提出了一种基于压缩感知的重构方法——基于粒子群优化的预选分段正交匹配追踪(PPStOMP)算法,从少量低维有效信号中精准恢复原始高维信号进行上位机显示。对改进算法本身的主要输入参数进行仿真测试,得到阈值、步长、最大迭代次数在不同采样率下的推荐取值范围。最后利用图像和采样信号作为原始数据,将改进算法与其他正交匹配跟踪算法进行对比实验,实验结果表明PPStOMP算法的重构性能稳定且良好。

基于ATmega128的连续信号压缩感知实现方法

为了解决硬件对高频模拟信号采集困难的问题,根据连续信号可以在特定的频域有稀疏的特性,在采样节点,根据伯努利观测矩阵分布特点设计采样间隔,利用压缩采样方法采集数据,降低收发芯片CC1000所需发送的数据量,从而降低传感器节点在通信传输时所损耗的能量,延长节点的使用时间;在汇聚节点使用压缩采样匹配追踪算法(Compressive Sampling Matching Pursuit,CoSaMP)对接收到的稀疏数据进行重构,将重构的数据通过串口助手导出到终端,使用Matlab软件绘图分析,验证压缩感知实现方法的可行性。实验结果表明:该方法能够很好的在ATmega128芯片上实现压缩观测。在压缩率达到68%时,通过分析计算原始信号波形和重构信号波形,二者具有99.30%的相似度,显然将压缩感知理论可应用到局域网中,能减少网络传输的数据量,降低网络传输的能耗。

基于三角形面积的航迹降采样算法

针对在大比例尺地图上显示过多原始航迹数据产生的视觉冗余和性能差问题,论文分析了现有的相关算法的实现方式和效果,提出了两种降采样算法并讨论了它们的特点。这些算法在相邻数据点之间或利用虚拟点形成三角形,并使用三角形的面积来确定各个点在降采样中的取舍。根据在仿真航迹上的降采样效果,基于三角形面积方法的降采样算法被证明是有效的,特别是在考虑到时间效率的情况下。

一种稀疏度自适应正交多匹配追踪重构算法

压缩感知理论是一种利用信号稀疏性或可压缩性对信号进行采样同时压缩的新颖的信号采样理论。针对稀疏度未知信号重构问题,提出了一种稀疏度自适应正交多匹配追踪重构算法。该算法在广义正交匹配算法(generalized orthogonal multi matching pursuit,GOMP)基础上结合稀疏自适应思想。根据相邻阶段信号能量差自适应调整当前步长大小选取支撑集的原子个数,先大步接近,后小步逼近信号真实稀疏度,从而实现对信号精确重构。实验仿真结果表明,该算法能有效精确重构信号。具有良好的重构性能和较高的重构效率。

基于压缩感知的伪随机等效采样信号重构

伪随机等效采样利用采样周期数与采样点数间的互质关系使各采样点均匀复现于同一周期,从而达到较高的等效采样速率。然而为了精确重构出原始信号,需大量采样数据,因此导致采样时间过长,实时性能差。针对上述问题,提出了一种基于压缩感知理论的伪随机等效采样信号重构方法,通过构造伪随机等效采样观测矩阵并选择离散傅里叶变换基建立稀疏重构模型,然后利用压缩感知中的正交匹配追踪算法求解该模型,从而重构出原始信号。仿真实验表明,所提方法在采样点个数40时,重构成功率达99.73%。

一种新的压缩采样匹配追踪算法

提出了实用性更强的完全受噪声扰动理论模型,引入了与原信号相关的乘性噪声;并基于新的模型,提出了一种改进的压缩采样匹配追踪算法。该算法通过构造一个感知测量矩阵,在信号替代阶段中取代随机测量矩阵来减少相关性对支撑集筛选的影响,最后可在乘性噪声存在的情况下实现了信号的精确重建。实验结果表明,在相同测试条件下,该算法的重建效果均优于其他贪婪算法和基匹配法(basic pursuit,BP)。

多输入动态调节系统的正交匹配追踪迭代辨识算法

针对含有未知时滞的多输入单输出动态调节系统,基于过参数化后系统参数向量的稀疏特性,在有限测量数据下,将压缩感知理论和递阶迭代思想相结合,提出一种正交匹配追踪迭代辨识算法。该算法可以辨识多输入动态调节系统的未知时滞、参数和部分阶次。研究结果表明:与最小二乘迭代算法相比,该算法不需要大量的采样数据,可以节约采样成本,提高辨识效率。该算法能够有效地估计这类系统的参数与时滞。

采用压缩采样匹配追踪算法的频谱感知

频谱资源的匮乏成为无线电发展的瓶颈,解决频率匮乏有两类方法:一是提高频谱利用率;二是扩大可利用的频率范围。频谱感知技术能提高频谱利用率,但在高频的应用中会面对过高的采样速率、较大的数据量,这对硬件实现提出了艰巨的挑战。本文根据无线电频谱稀疏性介绍一种基于调制宽带转换器的压缩采样匹配追踪(CoSaMP)算法。本文利用调制宽带转换器对无线电信号进行亚奈奎斯特采样,再利用CoSaMP算法对采样后的自相关矩阵求解。本文的方法不仅能应用在更高的频谱,且能提高频谱利用率。仿真结果表明:该方法能以一个较低的采样速率对信号进行采样,且CoSaMP算法的恢复误差要小于OMP和ROMP算法。

基于AUV的航迹追踪自适应UKF算法

无迹卡尔曼滤波算法(UKF,unscented kalman filter)是一种常见的(AUV,autonomous underwater vehicle)加权统计线性回归航迹追踪算法,其算法冗余度低于(EKF,extended kalman filter)、(PF,particle filter)及(PSO,particle swarm optimization)等数值优化算法,且算法效率较高。然而,UKF控制算法中的系统采样时间间隔通常会被设置为常数,由此可能会产生预测值的误差累积,从而影响导航预测结果的精度。因此,笔者提出了基于AUV的航迹追踪自适应无迹卡尔曼滤波算法(AUKF,adaptive unscented kalamn filter algorithm),以期降低预测算法的累积误差。该预测方法依据标准UKF算法的原理,通过构造相应的约束、判断与反馈机制,调整系统状态方程中每一步的采样间隔t,从而提升算法的航迹追踪精度并减少过程噪声及传感器噪声对预测过程的影响。最后,通过仿真实验与结果对比,近一步验证了之前所提出的设想。

旋翼桨尖气动/降噪综合优化设计研究

采用Kriging模型和遗传算法开展了针对桨尖形状的气动/声学综合优化设计研究。为了获得精确的气动及声压特性,得到基于声类比混合方法计算气动噪声需要的声源数据,采用非定常雷诺平均NS方程(URANS)数值模拟旋翼前飞粘性绕流。为了提高遗传算法的优化效率,采用一种基于EI方法的Kriging模型代替费时的数值模拟过程。以AH-1G/OLS旋翼为基准,并以气动性能为约束,噪声峰值最小为目标,进行了旋翼桨尖的降噪优化设计。优化结果表明,文中多发展的优化方法是可行的。

穿墙雷达图像CS编码算法设计

针对TWR雷达图像由于检测信号的频率较高、带宽较大使得图像信息量增大,导致在传输和实时成像方面存在困难的问题,提出了采用压缩感知(CS)为雷达图像的编码提供欠采样压缩的新方法.设计了基于解凸优化的l_1范数等效算法和基于正交匹配追踪(OMP)算法的TWR图像编码方法,构造了部分哈达玛观测阵和高斯随机测量观测阵.实验结果表明,本文算法对雷达图像的欠采样率可达0.546 9,能够实现失真最小和速度最快地对墙内目标进行有效检测.

无人机导航信号稳定跟踪方法

在复杂背景下易混入随机噪声,导致无人机导航信号检出率较低、跟踪误差较大。为此,本文提出了基于改进图像特征块匹配的无人机导航信号稳定跟踪方法。利用图像传感器、CCD摄像机等设备采集序列图像;采用Harris算法提取特征点确立匹配准则,选取估计量最优值完成特征点匹配;使用改进的图像模块匹配法计算目标模块与子模块的相似度,同时匹配当前模块与周期更新模块,在模块更新过程中获取无人机导航信号,实现稳定跟踪。仿真实验证明,所提方法对目标信号检出率为96%,跟踪距离误差处于-0.5~0.5 m。

基于一种改进的压缩感知重构算法的分析与比较

主要结合稀疏自适应匹配追踪算法和梯度追踪算法的各自优点,在该两种算法的基础上提出了一种新的信号重构算法,并通过实验仿真分析了新算法在信号重构过程中的优越性。

基于RWSSA-OMP-DBN的均压电极结垢超声检测

当前特高压换流阀冷却系统中的均压电极结垢程度采用人工拆卸识别的方法,针对该方法易造成冷却水喷溅影响设备运行安全的问题,提出一种基于RWSSA-OMP-DBN的均压电极超声无拆卸结垢检测识别方法。利用改进的麻雀搜索算法优化正交匹配追踪,对不同结垢程度的均压电极超声回波信号做降噪处理和特征提取;选择Hilbert法获取特征信号的包络线;以包络线作为特征参数,运用优化后的深度置信网络进行均压电极结垢程度识别。实验结果表明,RWSSA-OMP算法的信噪比为12.8898 dB,该识别方法识别均压电极结垢程度的准确率达到95.33%。

基于改进样本块匹配准则的数字图像修复方法

为解决以往数字图像修复方法存在的对图像潜在亮度敏感度高,修复后的图像存在变形差异的问题,提出基于改进样板块匹配准则的数字图像修复方法.采用Criminisi算法更好完成样板块配准,获取最佳目标匹配块;采用基于IG-GN算法的图像修复方法利用最佳目标匹配块,通过最小化ZNSSD相关准则实现数字图像修复,且修复过程可显著降低图像块之间的差异,保证图像块之间的纹理及结构特征.实验得到:该方法修复后的数字图像没有明显模糊区域和边界纹路,使修复后的图像更接近原图或者达到原图,修复效果好.

单站目标被动跟踪的滤波器方法研究

为了实现对单站目标的被动跟踪,分析并比较了扩展Kalman滤波器和粒子滤波器在非线性估计方面的性能,并且针对粒子滤波器存在的粒子退化现象,引入改进的重采样算法和基于无迹变换的滤波算法.仿真实验分别比较了几种滤波器在目标做匀速、匀加速、变加速情况下距离和速度滤波的均方根误差,结果表明粒子滤波器滤波性能优于扩展的Kalman滤波器,改进的重采样算法和基于无迹变换的粒子滤波器可以有效改善估计精度.