【摘要】：正交匹配追蹤系列算法中,每次迭代在原子庫中選擇和殘差匹配的多個原子是主流的改進(jìn)方向,但對多原子的選擇標(biāo)準(zhǔn)卻鮮有深入研究,一般是選擇原子庫中與殘差相關(guān)系數(shù)中最大的K個原子,或者選擇所有大于某一閾值的原子。本文以正交匹配追蹤算法為原型,運(yùn)用統(tǒng)計學(xué)方法,研究了相鄰兩次迭代中與殘差相關(guān)系數(shù)最大的原子之間的關(guān)系,得出了其相關(guān)系數(shù)具有區(qū)間性的結(jié)論,這對一次迭代選擇多個原子具有指導(dǎo)意義。該結(jié)論可以支撐對下一步迭代中的原子進(jìn)行高概率預(yù)測。基于此,本文提出了迭代預(yù)測正交匹配追蹤算法,實(shí)驗(yàn)結(jié)果表明,相對于其他匹配追蹤算法,其在保證重構(gòu)精度未降低的情況下,耗時有較大幅度降低。
[Abstract]:In a series of orthogonal matching tracking algorithms, the selection of multiple atoms in the atomic library and residual matching at each iteration is the main direction of improvement, but the selection criteria for polyatoms are rarely studied in depth. Generally, K atoms in the atom library are selected, or all atoms greater than a certain threshold value are selected. In this paper, based on the orthogonal matching tracking algorithm, the relationship between the atoms with the largest residual correlation coefficient in two adjacent iterations is studied by using statistical method, and the conclusion that the correlation coefficient is interval is obtained. This is instructive to select more than one atom in one iteration. This conclusion can support the high probability prediction of atoms in the next iteration. Based on this, an iterative predictive orthogonal matching tracking algorithm is proposed in this paper. The experimental results show that compared with other matching tracking algorithms, the time consuming of the iterative predictive orthogonal matching tracking algorithm is much lower than that of other matching tracking algorithms without decreasing the reconstruction accuracy.
【作者單位】： 西安電子科技大學(xué)ISN國家重點(diǎn)實(shí)驗(yàn)室;河南農(nóng)業(yè)大學(xué)機(jī)電工程學(xué)院;
【基金】：國家自然科學(xué)基金項(xiàng)目(61372069) 高等學(xué)校學(xué)科創(chuàng)新引智計劃(111計劃)資助項(xiàng)目(B08038) 河南省高等學(xué)校重點(diǎn)科研項(xiàng)目計劃項(xiàng)目(15A510002)
【分類號】：TN911.7

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 趙玉娟;水鵬朗;張凌霜;;基于子空間匹配追蹤的信號稀疏逼近[J];信號處理;2006年04期

2 趙玉娟;;分層匹配追蹤對信號的稀疏逼近[J];江蘇教育學(xué)院學(xué)報(自然科學(xué)版);2007年02期

3 杜小勇;段曉君;;匹配追蹤信號分解收斂性的一種證明[J];湖南工業(yè)大學(xué)學(xué)報;2010年01期

4 韓德亮;于鳳芹;;基于匹配追蹤算法的漢語音節(jié)重疊聲韻分割[J];計算機(jī)工程與設(shè)計;2012年07期

5 姚遠(yuǎn);梁志毅;;基于壓縮感知信號重建的自適應(yīng)空間正交匹配追蹤算法[J];計算機(jī)科學(xué);2012年10期

6 曾春艷;馬麗紅;杜明輝;;前向預(yù)測與回溯結(jié)合的正交匹配追蹤算法[J];華南理工大學(xué)學(xué)報(自然科學(xué)版);2012年08期

7 蔣留兵;黃韜;;一種新的壓縮采樣匹配追蹤算法[J];計算機(jī)應(yīng)用研究;2013年02期

8 黃芳;朱永忠;;基于局部性質(zhì)的改進(jìn)正交匹配追蹤算法[J];青島科技大學(xué)學(xué)報(自然科學(xué)版);2013年05期

9 馬強(qiáng);金裕紅;;框架理論在匹配追蹤算法中的應(yīng)用[J];計算機(jī)與數(shù)字工程;2010年12期

10 韓德亮;于鳳芹;李亞文;;基于遺傳匹配追蹤分解的漢語孤立字聲韻分割[J];計算機(jī)系統(tǒng)應(yīng)用;2012年02期

相關(guān)會議論文 前7條

1 陸媛媛;宋煒;左佳卉;李亭;;基于改進(jìn)匹配追蹤的子波特征能量氣藏檢測方法[A];中國地球物理2013——第十九專題論文集[C];2013年

2 李輝;;面向圖像視頻編碼的多規(guī)模匹配追蹤圖像表達(dá)法[A];信息科學(xué)與微電子技術(shù):中國科協(xié)第三屆青年學(xué)術(shù)年會論文集[C];1998年

3 李政;羅飛路;;基于匹配追蹤的超聲回波參數(shù)估計方法[A];2009中國儀器儀表與測控技術(shù)大會論文集[C];2009年

4 秦曉偉;郭建中;;匹配追蹤算法(MP)在超聲成像中的研究[A];第二屆西安-上海兩地聲學(xué)學(xué)術(shù)會議論文集[C];2011年

5 于勇凌;張海燕;馬世偉;;改進(jìn)的chirplet匹配追蹤在Lamb波信號時頻分析中的應(yīng)用[A];融合與創(chuàng)新：新世紀(jì)物理聲學(xué)的發(fā)展——二零一二年度全國物理聲學(xué)會議論文集[C];2012年

6 高建虎;陳杰;張履謙;;基于壓縮感知和EMD的SAR海洋內(nèi)波探測方法[A];第九屆全國信息獲取與處理學(xué)術(shù)會議論文集Ⅱ[C];2011年

7 蘇哲;許錄平;甘偉;;基于壓縮感知的脈沖星輪廓構(gòu)建算法[A];第二屆中國衛(wèi)星導(dǎo)航學(xué)術(shù)年會電子文集[C];2011年

相關(guān)博士學(xué)位論文 前5條

1 楊成;壓縮采樣中匹配追蹤約束等距性分析及其應(yīng)用[D];復(fù)旦大學(xué);2011年

2 曾春艷;匹配追蹤的最佳原子選擇策略和壓縮感知盲稀疏度重建算法改進(jìn)[D];華南理工大學(xué);2013年

3 楊瑞明;基于壓縮采樣的比幅測向方法研究[D];電子科技大學(xué);2010年

4 韓曉紅;混沌時序非線性去噪方法研究及其應(yīng)用[D];太原理工大學(xué);2012年

5 李青;優(yōu)化核方法[D];西安電子科技大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 李會龍;轉(zhuǎn)子匹配追蹤信息熵故障診斷研究[D];中北大學(xué);2016年

2 楊盼;壓縮感知中改進(jìn)的匹配追蹤類算法研究[D];安徽大學(xué);2016年

3 辛一;基于分層匹配追蹤及保序稀疏編碼的行人識別研究[D];安徽大學(xué);2016年

4 李明;匹配追蹤在環(huán)境聲音事件識別中的應(yīng)用研究[D];福州大學(xué);2013年

5 歐陽楨;優(yōu)化的匹配追蹤用于生態(tài)聲音識別[D];福州大學(xué);2014年

6 吳悠;汽車變速器齒輪和軸承混合故障診斷方法及實(shí)驗(yàn)研究[D];華南理工大學(xué);2016年

7 趙玉娟;基于子空間匹配追蹤的信號稀疏逼近[D];西安電子科技大學(xué);2005年

8 任曉馨;壓縮感知貪婪匹配追蹤類重建算法研究[D];北京交通大學(xué);2012年

9 校午陽;基于多通道匹配追蹤算法的時頻分析研究及在腦電信號處理中的應(yīng)用[D];天津醫(yī)科大學(xué);2012年

10 李亞文;遺傳匹配追蹤算法的研究與改進(jìn)[D];江南大學(xué);2011年

，

本文編號：2453066