基于压缩感知信号重建的自适应正交多匹配追踪算法

来源 :计算机应用研究 | 被引量 : 35次 | 上传用户:dragoonzj
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
近年来出现的压缩感知理论为信号处理的发展开辟了一条新的道路,不同于传统的奈奎斯特采样定理,它指出只要信号具有稀疏性或可压缩性,就可以通过少量随机采样点来恢复原始信号。在研究和总结传统匹配算法的基础上,提出了一种新的自适应正交多匹配追踪算法(adaptive orthogonal multi matching pursuit,AOM-MP)用于稀疏信号的重建。该算法在选择原子匹配迭代时分两个阶段,引入自适应和多匹配的原则,加快了原子的匹配速度,提高了匹配的准确性,实现了原始信号的精确重建。最后与传统O
其他文献
双聚类方法是当前分析基因表达数据的一个重要研究方向,其挖掘目标是发现哪些基因在哪些实验条件下具有相似的表达水平或者关系密切。目前已提出了许多双聚类算法来挖掘不同类型的双聚类,然而其大部分挖掘效率不高。鉴于此,提出了一个新颖的挖掘算法———MRCluster,其主要是用来从原始的基因表达数据中挖掘最大的行常量双聚类模式。就其挖掘效率来说,它采用的是基于Apriori原则的基因扩展深度优先的挖掘策略,
提出了一种利用FPGA对生物神经元网络进行硬件仿真的方法。该方法充分考虑了多进程流水线模型中各神经元状态输出的时序问题,设计了节点选择器完成对流水线数据通路输出数据的保存和选择功能,实现了多状态耦合情况下精确的仿真方法。最后,利用该方法对Morris-Lecar神经元网络模型进行了FPGA硬件仿真,再现了Morris-Lecar神经元网络的非线性动力学特性。
现有的Folksonomy标签推荐系统使用的推荐算法没有考虑标签模糊和冗余问题,影响了用户建模和对推荐系统评估的准确性,并且降低了系统的推荐质量,增加了用户选择喜好项目时的负担。通过对标签推荐系统的研究,将标签模糊和冗余应用到标签推荐算法当中,有助于提高系统的推荐质量,并且能提供更合理的评价方法。实验结果表明:经过标签模糊和冗余处理的标签推荐算法显著地提高了推荐系统的推荐质量。
移动传感器网络间歇连通,为了在拓扑动态变化的环境中将数据有效传递到汇聚点,提出了一种基于节点传输概率的数据传输策略PBD。该策略基于传感器节点近期与汇聚点的距离来计算节点将数据成功传递给汇聚点的可能性,并以此作为消息传输时选择下一跳的依据;同时还引入了基于消息优先权的缓存队列管理机制。实验结果证明了PBD的有效性,也表明PBD较好地实现了数据传输成功率与传输能耗、传输延迟之间的平衡。
针对粒子滤波固有的缺陷,结合移动机器人领域的研究应用成果,分别从样本数目自适应、重采样自适应、建议分布自适应、运动/似然模型自适应以及与其他方法的集成等几个方面对粒子
针对存在时延和丢包的网络化控制系统,研究执行器或传感器失效时,系统受外部有限能量扰动影响的H∞保性能容错控制问题。将丢包当做一种特殊时延,考虑综合时延的区间快变特性,采用状态反馈控制策略,通过构造适当的Lyapunov-Krasovskii泛函,推证出了闭环系统对执行器或传感器失效故障具有H∞保性能容错能力的时滞依赖充分条件,并以求解LMIs的方式给出了最优控制器的设计方法。最后以一个仿真算例验证
为了探索提取贵阳腐霉Pythiumguiyangense菌株总RNA简便而有效的方法,我们分别采用石英沙研磨、超声波破碎、液氮研磨、液氮加石英沙研磨和溶菌酶消化5种方法破碎真菌细胞壁,再
针对视频序列维数高、帧间相关性大、运动轨迹复杂的特点,将LLE非线性降维算法用于视频处理,并重点研究了如何利用该算法对目标跟踪过程中的模板进行预测更新。由于单步预测方法在运动目标发生部分或全部遮挡时无法保证跟踪的准确性,进一步将时间序列模型与BP网络相结合实现跟踪目标的多步预测,从而可以弥补时间序列模型在单步预测方面的不足。实验证明,该算法能保证在运动目标跟踪过程中的准确性和鲁棒性。
期刊
针对当前网络地理信息系统(WebGIS)中存在的效率问题和服务器端压力过大的问题,提出了基于FastCGI的多进程、分布式集群的WebGIS构建方案。详细介绍了该方案中服务器端地图服务器的体系结构、功能模块、工作流程以及集群部署实现。在此基础上实现了符合OGC标准规范的基于FastCGI分布式集群Web-GIS平台,并进行了性能测试,同时在实际项目中对该方案进行了验证。结果表明,相比于当前其他模式