检索结果-内蒙古大学图书馆

计算机工程与应用 2015年第10期51卷 200-204,241页

作者：李颖王泽王军华苗刚郑耿乐第二炮兵工程大学士官学院山东青州262500 镇江船艇学院江苏镇江212003

针对稀疏信号的重构问题,提出了l0范数近似最小化算法。利用反正切函数近似l0范数建立相应的非凸优化问题。通过构造快速的不动点迭代格式求解该问题,分析了所提出算法的收敛性能。数值仿真表明,该算法具有重构信号需要测量值少、计算... 详细信息

针对稀疏信号的重构问题,提出了l0范数近似最小化算法。利用反正切函数近似l0范数建立相应的非凸优化问题。通过构造快速的不动点迭代格式求解该问题,分析了所提出算法的收敛性能。数值仿真表明,该算法具有重构信号需要测量值少、计算精度高且计算量较小的优点。

关键词：压缩感知稀疏信号重构基追踪平滑l0范数

来源：评论

学校读者我要写书评

暂无评论

基于迭代加权L2/L1范数块稀疏信号重构的ISAR成像算法

引用

计算机工程 2018年第11期44卷 234-238页

作者：冯俊杰张弓南京航空航天大学电子信息工程学院南京211106 六盘水师范学院电气工程学院贵州六盘水553004

为实现快速、高分辨率逆合成孔径雷达(ISAR)成像,利用目标的内在块稀疏结构信息,提出一种迭代加权L2/L1范数块稀疏重构ISAR成像算法。构建ISAR稀疏成像模型,将ISAR成像问题转化为稀疏信号重构问题后,在每次迭代中求解用于下次迭代的权... 详细信息

为实现快速、高分辨率逆合成孔径雷达(ISAR)成像,利用目标的内在块稀疏结构信息,提出一种迭代加权L2/L1范数块稀疏重构ISAR成像算法。构建ISAR稀疏成像模型,将ISAR成像问题转化为稀疏信号重构问题后,在每次迭代中求解用于下次迭代的权值向量解,从而实现高分辨率ISAR成像。实验结果表明,相比BP、OMP、SBL算法,该算法可以改善成像质量,提高重构效率。

关键词：逆合成孔径雷达迭代加权 L2/L1范数稀疏信号重构稀疏成像

来源：评论

学校读者我要写书评

暂无评论

基于稀疏信号重构的DOA估计及航路规划方法研究

基于稀疏信号重构的DOA估计及航路规划方法研究

引用

作者：胡艳艳西安电子科技大学

学位级别：硕士

在复杂战场环境中,现代雷达为了更加精确地检测目标,需要清楚掌握战场中辐射源的频率和位置,而且,利用多架无人机协同代替单架有人机工作是重要的发展趋势,因此,有必要针对机载雷达开展更加精确的DOA估计算法研究和多机协同战场监视方... 详细信息

在复杂战场环境中,现代雷达为了更加精确地检测目标,需要清楚掌握战场中辐射源的频率和位置,而且,利用多架无人机协同代替单架有人机工作是重要的发展趋势,因此,有必要针对机载雷达开展更加精确的DOA估计算法研究和多机协同战场监视方法研究。为获得更加有效的DOA估计算法,本文对压缩感知和稀疏信号重构理论进行研究,并将其用于DOA估计,提出两种改进算法,分别使算法精度和算法应对单快拍数据、信源相干等非理想环境的性能得到改善。针对多机载雷达协同进行战场监视的问题,本文借鉴蚁群优化算法的思想,以实现实时最大化覆盖任务区域为目标,提出两种多机协同战场监视航路规划方法,使得机载雷达可以彼此协同,动态地实现较好的区域覆盖。本文的研究成果主要包括:1.针对如何提高DOA估计算法精度的问题,对比了稀疏信号重构的典型算法在不同信噪比下的算法精度,提出了一种新的EOLS算法,该算法将ESPRIT算法嵌入到OLS算法中,在不同信噪比下,其性能均可超过OLS算法和ESPRIT算法性能的上限,仿真结果验证了新方法的有效性。2.针对在单快拍数据和信源相干等非理想环境下传统DOA估计算法估计性能不佳甚至失效的问题,本文提出一种改进的最大似然稀疏参数估计算法,该算法利用最小化最大方法的基本原理,采用二阶锥规划进行求解。仿真实验表明,该算法在单快拍数据和信源相干的情况下能够获得更高的估计精度。3.针对多机载雷达战场监视的协同问题,本文提出一种多机协同战场监视单步航路规划方法,该方法借鉴蚁群优化算法的思想,较好地实现了对任务区域的动态覆盖。接着,针对单步优化方法在少数情况下可能出现飞机飞出任务区域边界和绕圈飞行导致覆盖率不稳定的问题,本文进一步优化算法中的适应度函数,增加边界惩罚和速度偏转角约束,同时提出了一种多步的多机协同战场监视航路规划方法,该方法解决了上述问题,并获得了更好的覆盖率曲线。

关键词： DOA估计稀疏信号重构最大似然蚁群算法战场监视航路规划

来源：评论

学校读者我要写书评

暂无评论

基于神经动力学方法的稀疏信号重构研究

基于神经动力学方法的稀疏信号重构研究

引用

作者：周显重庆大学

学位级别：硕士

进入新世纪后不断涌现出的新的信息技术颠覆了人们的生活与行为,至今仍然推动着人类社会向着更高质量、更智能的方向发展。压缩感知理论打破了以Nyquist采样定理为代表的传统信号处理理论对于采样频率的限制,从而降低了硬件的成本并且... 详细信息

进入新世纪后不断涌现出的新的信息技术颠覆了人们的生活与行为,至今仍然推动着人类社会向着更高质量、更智能的方向发展。压缩感知理论打破了以Nyquist采样定理为代表的传统信号处理理论对于采样频率的限制,从而降低了硬件的成本并且节约了存储空间。基于压缩感知理论的研究在各种实际工程应用中取得了优异的成果,因此成为了信息技术与计算机科学领域的研究热点。稀疏信号重构作为整个压缩感知中的关键环节,学者们已经设计了许多优化算法用来求解其经过凸松弛化后的数学优化模型。神经动力学方法作为一种新兴的优化算法,因其天然具备良好的并行结构、硬件电路可实现性以及鲁棒性等特点,在求解各种优化问题时得到了广泛的使用,而近年来稀疏信号重构对于实时性和处理大规模数据的需求也与神经动力学方法的特性不谋而合。因此,本文的主要研究内容为设计神经动力学优化方法来实现稀疏信号的重构以及其相关应用。对于稀疏信号重构中经典的最小化问题,基于连续时间的设计思路,本文先提出了一种带有导数反馈的集中式神经动力学方法。接着,根据分布式一致性与图理论,将原来经典的最小化问题等价地转化为一个分布式优化问题。然后,基于前面提出的集中式神经动力学方法与分布式优化模型,进一步设计了一种带有导数反馈的分布式神经动力学方法。借助凸优化理论和Lyapunov稳定性原理,从理论上证明了这两种算法的最优性与收敛特性。最后,在不同类型的数值仿真实验中,与其他现有算法进行对比,验证了本文提出的这两种连续时间神经动力学方法的有效性与优越性,即能够精确地重构出稀疏信号并且还具有更强的鲁棒性。基于离散时间与经典的投影神经动力学方法,本文还提出了一种基于投影算子的离散时间集中式神经动力学方法用于求解最小化问题并对稀疏信号进行重构。同样地,利用最优化与动力学系统稳定性理论,在理论上证明了该神经动力学方法能够全局渐近稳定地收敛到经典最小化问题的最优解。最后,通过稀疏信号的重构实验,并在几个流行的人脸数据集上进行的识别实验,验证了该算法的有效性和性能。与现有的其他算法相比,该算法对信号具有更强的鲁棒性,并且在人脸识别实验中具有更好的分类表现。

关键词：稀疏信号重构神经动力学方法最小化问题邻近算子投影算子

来源：评论

学校读者我要写书评

暂无评论

面向压缩感知的稀疏信号重构算法研究

面向压缩感知的稀疏信号重构算法研究

引用

作者：李福林厦门大学

学位级别：硕士

稀疏信号重构算法是压缩感知研究中的核心部分,可分为针对单信源的稀疏信号重构与针对多信源的联合稀疏信号重构,后者又称为分布式压缩感知稀疏信号重构。目前针对单信源的稀疏信号重构算法主要集中于贪婪重构算法,但其存在过拟合与短... 详细信息

稀疏信号重构算法是压缩感知研究中的核心部分,可分为针对单信源的稀疏信号重构与针对多信源的联合稀疏信号重构,后者又称为分布式压缩感知稀疏信号重构。目前针对单信源的稀疏信号重构算法主要集中于贪婪重构算法,但其存在过拟合与短视的明显缺陷。而针对多信源的联合稀疏信号重构,混合支撑集模型是对多信源相关性进行建模的一般化形式,目前基于混合支撑集模型的联合稀疏信号重构算法没有考虑如何获得公共支撑集的良好估计,不能满足实际应用中低信号采样率与高重构精度的需求。本文从克服贪婪重构算法的缺陷与改进公共支撑集的估计入手,主要工作为设计优化的稀疏信号重构算法与联合稀疏信号重构算法,具体内容如下:(1)针对单信源稀疏信号重构问题,为了解决贪婪算法中存在的过拟合问题以及迭代估计信号支撑集过程中的短视问题,提出基于最优化导向的稀疏信号重构算法。鉴于贪婪算法低复杂度的特点,该算法首先基于贪婪算法对信号支撑集进行预选,接着应用回溯策略避免贪婪算法中的过拟合问题·;最后设计最优化导向的搜索策略对支撑集估计进行改进。(2)针对多信源联合稀疏信号重构问题,面向混合支撑集模型与中心化重构场景,对公共支撑集估计问题进行分析,设计公共支撑集改进策略,其核心思想是估计公共支撑集估计中正确的部分,并借由误差函数总和删除公共支撑集估计中错误的部分以改进公共支撑集估计,在此基础上提出基于改进公共支撑集的联合稀疏信号重构算法,以改进后的公共支撑集估计作为边信息,改进信号支撑集的估计。仿真结果与性能分析表明,提出的联合稀疏信号重构算法能够在较低的复杂度下获得良好的信号重构性能。(3)针对多信源联合稀疏信号重构问题,面向混合支撑集模型与去中心化重构场景,介绍去中心化场景中网络连接拓扑结构,对公共支撑集估计问题以及节点收发信息能耗问题进行分析,利用公共支撑集改进策略实现对信号的准确重构,避免了相关算法中需要在各节点进行重复迭代引起的重复收发信息的问题。仿真结果与性能分析表明,随着网络连接程度的上升,算法的重构效果随之改善。

关键词：压缩感知稀疏信号重构混合支撑集模型

来源：评论

学校读者我要写书评

暂无评论

神谕不等式在稀疏信号重构中的应用

神谕不等式在稀疏信号重构中的应用

引用

作者：殷丽萍兰州大学

学位级别：硕士

在统计学中, 神谕不等式主要被应用于评估估计量的界限. 它给出了在特定假设条件下, 模型的估计量所能达到的最佳上下界, 从而实现对模型性能的评估.本论文旨在研究神谕不等式在稀疏信号重构领域的应用. 基于压缩感知与高维预测问题,用... 详细信息

在统计学中, 神谕不等式主要被应用于评估估计量的界限. 它给出了在特定假设条件下, 模型的估计量所能达到的最佳上下界, 从而实现对模型性能的评估.本论文旨在研究神谕不等式在稀疏信号重构领域的应用. 基于压缩感知与高维预测问题,用神谕不等式对所构建的模型进行性能评估.　　首先, 本文考察污染压缩感知问题. 污染压缩感知问题是压缩感知问题的一个延申,其观测值在被有界随机噪声干扰的同时还被一个无界但有特殊结构的噪声污染. 受到有关压缩感知问题神谕不等式的启发, 本文为求解污染压缩感知问题的经典模型-广义 Dantzig 选择器模型与广义 Lasso 模型建立神谕不等式. 该不等式不仅表明了广义Dantzig选择器与广义Lasso模型具有良好的性能,而且还为模型解的后续校正提供了一个有效参考.　　其次, 本文研究了高维预测问题. 针对来自样本观测对 {(ai, bi)∈Rn+1}mi=1的高维预测问题, 本文提出了鲁棒最小绝对偏差惩罚（Robust Penalized Least Absolute Deviation, RPLAD）模型, 并为其建立了关于预测误差的神谕不等式.该不等式验证了RPLAD模型在预测效果上的准确性. 此外, 本文还基于等距限制性条件研究了 RPLAD 模型在块稀疏信号恢复方面的恢复误差. 通过实验验证, 对于带有异常值或服从重尾分布的噪声的信号预测与恢复问题, RPLAD 模型表现优于Lasso模型.

关键词：稀疏信号重构神谕不等式污染压缩感知广义Dantzig选择器模型广义Lasso模型高维预测鲁棒最小绝对偏差惩罚模型

来源：评论

学校读者我要写书评

暂无评论

无线传感器网络中时变稀疏信号重构

无线传感器网络中时变稀疏信号重构

引用

作者：彭嫔华南理工大学

学位级别：硕士

伴随着低功耗的微型传感器和无线通信技术的发展,无线传感器网络作为高效率、高容错的智能系统已受到国内外广泛的关注和应用。由于网络中传感器节点的实时性高、能量有限且通信带宽小,此外,在数据传输和处理过程中还存在冗余数据。于是... 详细信息

伴随着低功耗的微型传感器和无线通信技术的发展,无线传感器网络作为高效率、高容错的智能系统已受到国内外广泛的关注和应用。由于网络中传感器节点的实时性高、能量有限且通信带宽小,此外,在数据传输和处理过程中还存在冗余数据。于是,在设计时变稀疏信号的状态估计算法时应考虑这些因素。然而在奈奎斯特采样定理的基础上诞生的压缩感知理论很好的解决了无线传感器网络中的时变稀疏信号估计问题。压缩感知理论利用信号的稀疏特性,突破奈奎斯特采样定理的限制,从次数少、存在噪声的测量值中重构原始信号,节省了大量的计算和存储资源。本文主要研究无线传感器网络中时变稀疏信号的重构算法,内容如下:首先,提出融合压缩感知理论和信息一致滤波的时变稀疏信号重构算法,该算法又称为稀疏约束下的信息一致滤波重构算法。该算法的核心思想在于滤波算法的选取:分布式信息一致滤波算法,该滤波算法只需与邻接节点进行单跳通信,通过一致性策略使得网络中所有节点对移动目标(时变或动态信号)的多源状态信息趋于一致,具有网络通信量小,容错能力强、计算速度快且鲁棒性好等优点。此外,传感器网络中传感器节点对移动目标的多源状态信息的感知范围有限导致朴素节点的存在,该算法仍能以次数少、存在噪声的测量值精确重构信号。通过在信息一致滤波框架的基础上嵌入伪测量技术,使得时变稀疏信号的重构效果更好。实验结果表明,与已有的算法相比,本文所提算法的时变稀疏信号重构效果更好。其次,在已有的时变稀疏信号重构算法的基础上,针对测量噪声未知且缓慢变化的情况,提出基于变分贝叶斯的集中式卡尔曼滤波时变稀疏信号重构算法。该算法的系统模型易受到外界的干扰,造成观测噪声参数变化,令重构性能下降,运用变分贝叶斯估计信号状态和变化的测量噪声,并迭代逼近噪声方差值,进而使用稀疏约束下的集中式卡尔曼滤波对状态进行更新,实现时变稀疏信号的精确重构。仿真结果表明,基于变分贝叶斯的集中式卡尔曼稀疏信号重构算法能较好的实现对测量噪声方差的跟踪,相比已知观测噪声的标准集中式卡尔曼滤波算法具有更高的时变稀疏信号估计精度。

关键词：压缩感知信息一致滤波伪测量技术稀疏信号重构无线传感器网络

来源：评论

学校读者我要写书评

暂无评论

基于稀疏信号重构的近场声源定位算法研究

基于稀疏信号重构的近场声源定位算法研究

引用

作者：刘骁重庆理工大学

学位级别：硕士

声源定位算法如今被广泛应用于视频会议、可视电话、移动通信、监测监控系统、航空航天、军事、医疗等领域。随着阵列信号处理技术的日益精进，声源定位算法已不再拘泥于单一参数估计的远场源估计，而发展为双参数估计的近场源定位。\n ... 详细信息

声源定位算法如今被广泛应用于视频会议、可视电话、移动通信、监测监控系统、航空航天、军事、医疗等领域。随着阵列信号处理技术的日益精进，声源定位算法已不再拘泥于单一参数估计的远场源估计，而发展为双参数估计的近场源定位。\n 自压缩感知理论提出以来，学者将其应用于近场声源定位算法中，但仍旧出现在低信噪比时精度不高、计算量大等问题。针对这些问题，本文对基于稀疏重构的近场声源波达方向及距离估计算法作了研究与改进。本文介绍了有关压缩感知与贝叶斯学习的相关理论基础，并阐述了三种经典的稀疏重构类算法，对其性能作了分析，通过仿真表明在低信噪比与低快拍数情况下估计精度还有很大提升空间。本文主要创新工作如下：\n （1）针对现有算法在低信噪比下均方误差较大，同时分辨概率不足的问题，本文提出了加权稀疏信号重构的近场声源定位算法。在现有l1类算法的基础上，首先进行双参数分离，然后构造类 MUSIC权向量，重构稀疏空间谱得到目标波达方向。根据估计角度值，利用稀疏信号重构思想得到距离估计。最后通过实验仿真验证提出新方法拥有更高的精确度及分辨概率。\n （2）针对l1范数类算法存在着计算量大的问题，为了减小计算复杂度，将稀疏贝叶斯学习应用于近场源定位模型中，提出了联合稀疏贝叶斯学习与子空间的近场信号源定位算法。仿真表明该算法在缩短运算时间的同时也能保持较高的准确度。\n （3）针对稀疏贝叶斯估计算法角度均方误差呈规律变化的问题，提出基于稀疏贝叶斯源定位的补偿算法，实验表明该算法能在一定程度上提高估计精确度。

关键词：稀疏信号重构近场声源定位双参数估计声源定位算法

来源：评论

学校读者我要写书评

暂无评论

平滑L0范数稀疏信号重构ISAR成像算法

引用

电脑知识与技术 2018年第12期14卷 170-171页

作者：冯俊杰王永会六盘水师范学院电气工程学院贵州六盘水553004

针对有限脉冲条件下高分辨率逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像问题,提出基于单循环结构的SL0稀疏信号重构ISAR成像算法,将ISAR成像问题转化为最小l0范数的优化问题,通过构建递减的参数序列,对平滑函数优化求... 详细信息

针对有限脉冲条件下高分辨率逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像问题,提出基于单循环结构的SL0稀疏信号重构ISAR成像算法,将ISAR成像问题转化为最小l0范数的优化问题,通过构建递减的参数序列,对平滑函数优化求解,实现高分辨率ISAR成像。仿真结果表明,该算法可以有效改善ISAR成像质量。

关键词：逆合成孔径雷达(ISAR) 稀疏信号重构平滑函数优化求解

来源：评论

学校读者我要写书评

暂无评论

稀疏信号重构方法、装置、计算机设备、介质和产品

稀疏信号重构方法、装置、计算机设备、介质和产品

引用

作者：王剑王龙翚王锲翔赵忻睿 100084 北京市海淀区清华园

本申请涉及一种稀疏信号重构方法、装置、计算机设备、介质和产品。所述方法包括：获取压缩信号及与压缩信号对应的转换矩阵；采用滑窗法从转换矩阵中依次提取多个候选矩阵，根据多个候选矩阵与第一残差之间的相关度确定第一目标矩阵，... 详细信息

标准号: CN115208412A

本申请涉及一种稀疏信号重构方法、装置、计算机设备、介质和产品。所述方法包括：获取压缩信号及与压缩信号对应的转换矩阵；采用滑窗法从转换矩阵中依次提取多个候选矩阵，根据多个候选矩阵与第一残差之间的相关度确定第一目标矩阵，并对原始稀疏信号进行第一阶段重构生成第一阶段目标重构信号；根据第一阶段目标重构信号、所述转换矩阵中除去所述第一目标矩阵外的剩余原子、转换矩阵及第二残差，对所述原始稀疏信号进行第二阶段重构，生成第二阶段目标重构信号；根据第一阶段目标重构信号及第二阶段目标重构信号，生成目标重构信号。采用本方法能够提高稀疏信号重构时的重构正确率。

关键词：重构信号阶段目标转换矩阵重构稀疏信号重构原始稀疏信号候选矩阵目标矩阵压缩信号残差计算机设备剩余原子滑窗法相关度正确率申请

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：