改进OMP算法在人脸识别中的应用

分析稀疏表示的人脸识别方法的基本原理,针对采用基于正交匹配追踪(OMP)的稀疏表示算法时,所获得稀疏系数存在负值的问题,提出一种改进的正交匹配追踪算法。通过对稀疏系数的大小进行直接约束,减少负值稀疏系数的产生及算法迭代次数,并提高人脸识别速度。在ORL人脸数据库中的实验结果证明,改进后算法的识别率比原有算法提高了3%,迭代次数设置为7次最为合理。     

基于压缩感知的稀疏信道估计方法

针对OFDM系统中传统最小二乘(LS)信道估计方法需要大量导频估计精度却不高的问题,提出基于压缩采样匹配追踪(CoSaMP)的压缩感知信道估计新方法.利用发送信号,接收信号和信道的频城关系建立基于压缩感知的数学模型,再采用CoSaMP算法对信道进行重构.仿真结果表明,与LS算法相比,基于CoSaMP的压缩信道估计方法能利用少量的导频信号达到与之相比拟的信道估计性能,提高了频谱利用率;与现有压缩感知信道估计算法(基追踪(BP)与正交匹配追踪(OMP)相比,在使用相同导频数目条件下,具有更好的信道估计性能和更低的计算复杂度.     

基于正交匹配追踪算法的复杂系统动力学建模与分析

针对非线性系统模型的辨识问题,通过引入正交匹配追踪(Orthogonal matching pursuit,OMP)算法实现快速非线性系统建模。该方法旨在解决非线性有源自回归(Nonlinear autoregressive with exogenous inputs,NARX)模型针对大型数据建模时效性差的问题。首先,说明了正交最小二乘(Orthogonal least squares,OLS)算法存在正交次数多、耗时长的问题,采用OMP算法可有效解决,通过与OLS算法对比正交差异性证明了OMP算法计算效率提升的理论基础,采用模型预报方法验证OMP算法所得NARX模型的动力学特性。其次,以单自由度非线性系统为例,说明了OMP算法系统建模的有效性。最后,利用OMP算法建立悬臂梁NARX模型,并分别将NARX模型预报输出与试验实测输出,NARX模型固有频率与悬臂梁实际固有频率进行对比。结果表明,与OLS算法相比,所提方法的建模效率平均提升了10倍,且模型可有效反应系统动力学特性。     

机械振动信号压缩采集重构算法性能研究

对机械振动信号进行压缩采集能够突破奎斯特采样定理的限制,把对信号的采样变成对信息的采样,有效地解决传统采样方式产生大量数据的问题且不造成信息的损失.振动信号重构算法是这一技术中非常关键的一部分,直接影响着振动信号的重构精度.然而目前的一些典型重构算法都是普适性的,有必要对机械振动信号的恢复效果做一系统研究.对当前比较典型的4种重构算法OMP(orthogonal matching pursuit)、StOMP(stagewise orthogonal matching pursuit)、BP(basis pursuit)、GP(gradient projection)针对机械振动信号的重建进行了适应性分析,主要从重建精度和重建时间两个方面进行系统研究并进行仿真实验.仿真实验表明,OMP算法复杂度低但不适于机械振动信号的恢复;StOMP有着较快的运算速度,非常适合于求解大尺度问题;BP复杂程度高,求解速度较慢,但重构精度很高;GP具有非常快的运算速度,但重构精度较差;     

基于CS和OMP的宽带LFM信号源个数估计算法

多分量LFM信号源个数估计是进行后续信号处理的基础。考虑到压缩测量值较好地保留了原信号的特征信息,基于压缩感知部分重构的思想,提出了一种基于压缩感知和OMP分解的信源个数估计算法,算法在基于OMP的信号重构算法上改进而来,以归一化残差为迭代终止的条件,引入一种自适应阈值选择策略,根据迭代分解次数进行信号源个数估计。仿真结果表明,在信噪比为-3db左右、压缩比大于0.25的情况下,该算法进行信源个数估计的成功率高于90%。     

A novel multimodal medical image fusion using sparse representation and modified spatial frequency

Fusion of multimodal imaging data supports medical experts with ample information for better disease diagnosis and further clinical investigations. Recently, sparse representation (SR)‐based fusion algorithms has been gaining importance for their high performance. Building a compact, discriminative dictionary with reduced computational effort is a major challenge to these algorithms. Addressing this key issue, we propose an adaptive dictionary learning approach for fusion of multimodal medical images. The proposed approach consists of three steps. First, zero informative patches of source images are discarded by variance computation. Second, the structural information of remaining image patches is evaluated using modified spatial frequency (MSF). Finally, a selection rule is employed to separate the useful informative patches of source images for dictionary learning. At the fusion step, batch‐OMP algorithm is utilized to estimate the sparse coefficients. A novel fusion rule which measures the activity level in both spatial domain and transform domain is adopted to reconstruct the fused image with the sparse vectors and trained dictionary. Experimental results of various medical image pairs and clinical data sets reveal that the proposed fusion algorithm gives better visual quality and competes with existing methodologies both visually and quantitatively.     

一种改进的正交匹配追踪的DOA估计方法

正交匹配追踪(OMP)是压缩感知领域一种经典的贪婪算法,具有实现简单、性能稳定以及计算复杂度低等优点.常规的正交匹配追踪DOA(OMP_DOA)估计方法在继承上述优点的同时,其角度分辨率受瑞利限约束,不能满足高分辨需求.针对上述缺陷,提出一种结合局部优化处理的正交匹配追踪DOA(波达方位)估计方法,其具有高精度高分辨率的优点.该算法在常规OMP_DOA结果的基础上,对估计结果依次进行局部优化.仿真数据处理结果证实了该算法的实用性,在少量计算复杂度的代价下,明显改善了DOA估计结果的精度与角度分辨率,算法表现明显优于其他方法.     

基于小波变换和压缩感知的语音信号压缩研究

对语音信号直接进行压缩感知处理,通常压缩的效率不高。针对此问题提出了一种基于压缩感知和小波变换的方法,首先用小波变换的方法对语音信号进行级数分解,然后采用压缩感知的方法对小波低频系数进行压缩,并丢弃高频系数,重构语音信号时高频系数用随机信号来取代。采用此种小波变换的方法,与直接采用压缩感知的方法相比,前者的语音信号MOS值稍有降低,但压缩率比直接压缩感知的方法降低了一倍,说明此方法可大大提高压缩的效率。     

MIMO-OFDM系统中基于压缩感知的信道参数反馈方法

为了解决MIMO-OFDM系统中基于完全信道状态信息预编码所面临的反馈链路开销大的问题,提出将压缩感知技术应用于这种预编码的信道状态信息的反馈阶段。在接收端通过压缩感知技术对由信道估计得出的信道状态信息进行观测,将少量的观测值反馈到发送端,在发送端通过正交匹配追踪算法重构出完全信道状态信息。仿真结果表明,信道状态信息在KLT域的压缩感知性能明显优于DCT域的压缩感知性能,可以由反馈到发送端的少量采样值精确地重构出信道状态信息,降低了反馈链路的开销。     

基于向量化的稀疏重构解相干算法

针对稀疏重构中正交匹配追踪（Orthogonally Matched Pursuit,OMP）算法解相干问题,利用矢量化的接收数据自相关矩阵,提出一种改进解相干方法——矢量化正交匹配追踪（Vectorized OMP,VO）算法.改进方法只通过矢量化后的一维矢量来重构角度,无需知道信号源的数目,即可降低噪声影响,实现解相干.相对于经典OMP算法,稀疏重构效果更优.理论分析和仿真结果都验证了算法的良好性能.