基于位置参数二分法控制的信号稀疏分解

研究基于匹配追踪方法实现的信号稀疏分解算法。通过对信号稀疏分解中使用的过完备原子库的结构特性分析,找到中心位置,构造时频原子库,利用二分法控制中心位置参数,将信号快速稀疏分解,应用于基于中心位置参数的改进贪婪匹配追踪算法。该算法与匹配追踪相比,计算速度大约提高了36倍,降低了计算复杂度,提高了稀疏分解的精度。通过对仿真数据的处理验证了所提方法的可行性和有效性。     

基于多频率分量的叠前AVO多尺度反演方法

为提高频率域反演的分辨率和抗噪能力,减小频率域反演对初始模型的依赖程度,发展了多分量频率域叠前AVO弹性参数反演方法。考虑地震信号在频率域中不同频率成分可实现自动解耦,使得反问题可通过多分量迭代的途径求取。首先,利用贝叶斯公式将多频率分量联系起来,并结合稀疏约束先验提高反演算法抗噪能力。此外,采用超低频平滑模型提高多频率分量AVO反演算法的稳定性和可靠性。然后,模型测试综合验证了该方法的高分辨率特征和横向连续性,获得与理论模型吻合度较高的高分辨率反演结果。最后,实际资料表明该方法能够稳定的从叠前地震数据中获取与测井数据相吻合的高分辨率弹性参数信息,并可有效的运用到储层含油气性质检测中。     

基于压缩感知的语音盲稀疏重构算法及其去噪应用

根据传统的正交匹配追踪(OMP)算法和稀疏度自适应匹配追踪(SAMP)算法各自的缺陷,提出可以在盲稀疏状态下重构带噪语音的多匹配正交追踪(MMOP)算法。该算法采用同时匹配多个原子以及同步增大和缩小原子集的办法来解决SAMP算法中原子的过匹配和欠匹配现象,此外,还提出一种新的去噪思想和设置初始步长方法,并且采用分阶段步长来重构原始语音信号。研究结果表明:本文算法不仅修正SAMP算法的过匹配和欠匹配的现象,而且还具有匹配速度快、迭代次数少的优点,同时又提高语音信号在盲稀疏状态下的重构精度,此外,该算法还可以应用在噪声语音中,有较明显的去噪效果,且其重构后的语音主客观质量评价都要好于传统的OMP算法和SAMP算法。     

一种混合优化的匹配追踪生态声音识别方法

针对生态自然环境中噪声对声音识别产生干扰的问题,提出利用混合优化的匹配追踪(MP)进行生态声音识别的方法.首先,使用萤火虫算法(GSO)和粒子群算法(PSO)对匹配追踪算法进行混合优化,加快匹配追踪有限次稀疏分解的速度并重构声音信号,保留高相关成分,滤除低相关噪声;其次,根据所选最优原子的时频信息结合MFCCs提取复合抗噪特征;最后,结合支持向量机(SVM)对40种生态声音在不同背景噪声与信噪比的情境下进行分类与识别.实验表明,优化后的匹配追踪算法去噪性能优于谱减法和小波去噪法.与常用的MFCCs方法相比,本方法对生态声音在不同信噪比下的识别性能有不同程度的改善,并且具有较好抗噪性.     

基于Morlet小波尺度参数寻优的匹配追踪时频分析

与短时傅里叶变换、连续小波变换、广义S变换等时频分析方法相比,匹配追踪方法具有更高的时频分辨率,但传统的贪婪迭代算法计算效率较低。以Morlet小波作为时频原子进行匹配追踪,通过分析尺度因子不同时Morlet小波时频原子在时间域的形态,比较信号向频率、相位和延时相同,仅尺度因子不同的不同时频原子投影的投影值,认为尺度因子对时频原子的形态具有较强的控制作用,因而对时频原子和信号局部特征的匹配性能具有较强的控制作用。基于以上分析,在利用复地震道计算信号的瞬时信息作为时频原子频率、相位和时延等参数的基础上,对Morlet小波时频原子的尺度参数首先进行一维寻优,在得到最佳尺度因子基础上对时频原子参数进行微调,提高了计算效率。针对模型测试了算法的有效性及在去除噪声和薄层厚度求取等方面的应用前景。     

一种动态匹配特征子波拾取地震同相轴的技术

在传统的地震资料解释或速度分析等过程中,通常都是依靠人工识别与拾取,不但工作量大,而且效率非常低。因此,工业界开始使用各种算法来进行地震同相轴的自动识别与拾取,但是这些算法存在较多的缺陷,精度不高。地震剖面可视为由地震子波与反射系数褶积构成,子波以及噪音的存在对剖面的自动拾取带来一定困难。通过对地震子波进行特征抽取,并将地震剖面进行稀疏化表达,降低子波以及噪音对自动拾取的影响,同时减少数据采样点数,提高计算效率。通过引入矢量距离,并结合动态波形匹配算法计算特征化矢量数据的最小距离,从而实现同相轴的自动追踪。理论资料测试证明方法的正确性和抗噪能力,东部某探区实际资料自动拾取证明了论文方法的有效性。     

基于曲波变换与快速指数阈值迭代的多震源地震数据分离

传统的地震数据采集方式是炮与炮之间分开激发,施工效率较低,多震源地震混采技术通过多炮同时或延时激发,大幅提高了施工效率,但同时也给地震数据带来了较大的混合噪声,传统方法的去混效率偏低,为此,本文将曲波变换与快速阈值迭代法进行结合,在此基础上使用指数阈值模型,得到一种基于稀疏反演快速高精度的多震源数据分离方法。在曲波域分离过程中,采用软阈值函数和指数阈值模型,经过迭代获得了较好的分离结果,此外,本文还对其抗噪性能进行了相关的研究。理论数值模拟和实际数据的应用,表明本文方法相较于传统的分离方法,收敛速度更快,保留了更多的有效信号,具有更高精度的分离效果,且有良好的抗噪性能。     

基于混合优化算法的地震数据匹配追踪分解

以5个参数(幅度、频率、相位移、尺度因子、时移)控制的Morlet小波作为匹配子波原子,在确定控制参数的过程中,提出应用具有全局优化能力的粒子群优化算法与具有局部优化能力的BFGS算法的混合优化算法,能够使得匹配追踪算法不再依赖于复数道分析确定子波原子的振幅、频率和相位的初值.控制子波时间延续长度的尺度因子是一个重要的参数.匹配追踪分解后,消除较小和较大的尺度因子和分解终止时的剩余信号能够有效地压制地震数据噪声.利用局部函数解析表达式和残差信号能量进行有效地控制算法的迭代次数可以提高计算效率.数值试验和实际资料的应用均表明:利用本文方法能够压制地震数据噪声,对地震信号快速地、精确地进行时频谱分析,为烃类检测和储层描述提供有效的手段.     

基于改进恢复算法的双选稀疏信道估计

高速移动情况下,正交频分复用系统(orthogonal frequency division multiplexing,OFDM)无线通信信道可建模为时间-频率双选信道,其响应在时延-多普勒域呈现稀疏性,使压缩感知技术得以应用到稀疏信道估计中。当稀疏度提高时,压缩感知(compressed sensing,CS)中正则化正交匹配追踪恢复算法(regularized orthogonal matching pursuit,ROMP)的复杂度增大。提出了有严格计算约束的改进恢复算法,该算法每次迭代选择固定数目的原子使支撑集为非奇异矩阵来降低原子选择和最小二乘(least squares,LS)法计算上的复杂度,并且每次迭代更新支撑集来保证精度。仿真结果表明,和ROMP算法比较,改进恢复算法的运行时间明显降低,并且在一定的迭代次数下精确度得以保证。     

基于GA和过完备原子库划分的MP信号稀疏分解算法

信号稀疏分解计算量大是阻碍其实时应用的主要因素.研究基于匹配追踪(Matching Pursuit)方法实现的信号稀疏分解算法,提出了基于过完备原子库集合划分的、分两阶段搜索的、遗传算法快速寻找MP过程中每一步分解的最佳原子,在稀疏分解重建信号质量不变的条件下,提高了稀疏分解的速度.算法的有效性为实验结果所证实.     

基于树型冗余字典正交匹配追踪的信号稀疏分解

结合树型结构和正交匹配追踪算法,提出一种信号稀疏分解的新方法.该方法的基本思想是在基于树型结构的匹配搜索过程中引入正交化过程,其中树型结构可以快速有效地实现稀疏分解,正交匹配追踪算法提高了信号分解的收敛速度和稀疏性.对语音和地震信号的测试实验结果表明,该算法能以较快的速度收敛到零.     

一种改进K-SVD稀疏表示图像去噪算法

为解决传统K-奇异值分解(K-SVD)算法字典训练耗时过长以及低信噪比情形下去噪效果不佳的问题,提出了一种改进算法。首先将原始含噪图像进行高低频分离,然后对图像的高频部分使用基于残差比阈值的批量正交匹配追踪算法(Batch-OMP)实现稀疏重构,最后将图像的高低频部分叠加完成最终的去噪。实验结果表明,相较于小波变换去噪、DCT稀疏表示去噪以及传统K-SVD稀疏表示去噪,改进的算法能够更好地保留图像的边缘轮廓信息,并且去噪时间明显缩短。     

一种改进K-奇异值分解稀疏表示图像去噪算法

为解决传统K-奇异值分解(K-SVD)算法字典训练耗时过长以及低信噪比情形下去噪效果不佳的问题,提出了一种改进算法。首先将原始含噪图像进行高低频分离,然后对图像的高频部分使用基于残差比阈值的批量正交匹配追踪算法(Batch-OMP)实现稀疏重构,最后将图像的高低频部分叠加完成最终的去噪。实验结果表明,相较于小波变换去噪、DCT稀疏表示去噪以及传统K-SVD稀疏表示去噪,改进的算法能够更好地保留图像的边缘轮廓信息,并且去噪时间明显缩短。     

MP算法在地震波阻抗反演中的应用

当孔隙中充填油气后,波阻抗相对较低,准确反演地下地质体波阻抗信息可在一定程度上为油气检测提供依据。利用基于雷克子波原子库的匹配追踪(MP)算法对地震信号进行稀疏分解,进而可实现对地下地质体的高精度波阻抗反演。模型试算表明,MP算法可以用于地震信号的稀疏分解,且两层间厚度λ/4调谐时,仍可大体反映层位及系数的相对大小关系。通过对实际地震资料的计算表明,该算法也适用于实际资料,且与实钻情况吻合。     

基于改进的后退型最优正交匹配追踪的图像重建方法

摘要：正交匹配追踪OMP(Orthogonal Matching Pursuit)是可压缩传感理论CS(Compressed Sensing)中一种贪婪迭代的图像重建方法,该方法以快速高效而著称。但现有的OMP算法都是在给定迭代次数(待重建图像的稀疏度)的条件下重建,这样强制迭代过程停止的方法使得OMP方法需要非常多的线性测量来保证精确重建。本文提出一种改进的后退型最优OMP算法。该方法首先利用最优正交匹配追踪OOMP (Optimized Orthogonal Matching Pursuit)算法,在迭代过程通过最优的正交化性来约束原子的选择,保证原子的选择在最小化当前冗余误差的意义下最优;利用稀疏度作为适应性迭代次数的标准,给出一种非常简单的原子选择机制对得到的迭代结果进行后处理,向后剔除其中多余的原子从而获得精确重建。实验结果表明,与OMP相比较,改进算法可以获得精确重建并大大降低了对测量数目的要求。     

一种用于OFDM系统信道估计的稀疏重构算法

针对在正交频分复用(OFDM)系统稀疏信道估计中,经典正交匹配追踪(OMP)算法存在计算量大且需要已知稀疏度的问题,提出一种基于搜索空间预处理的自适应正交匹配追踪算法.使用正态分布来拟合多径信道抽头位置在相邻码元时刻的变化,依概率将搜索空间分成优先集和补充集,并将最近两次迭代后的残差比值作为搜索空间变换和迭代终止的判定依据.在多径数量未知且抽头位置变化的情况下,仿真验证所提算法的有效性.理论分析及仿真结果表明:新算法的计算复杂度低于经典OMP,前者的信道估计性能明显优于稀疏度未知时的后者以及线性估计法和最小均方误差估计法的性能.     

基于PSO_MP算法的电力线信道模型参数识别方法

针对低压电力线信道模型的多参数识别问题,提出了一种基于粒子群优化的匹配追踪算法(particle swarm optimization_ matching pursuit, PSO_MP)。匹配追踪算法(matching pursuit, MP)实现过程简单,但是计算复杂、计算量比较大;粒子群优化算法(particle swarm optimization, PSO)具有全局搜索能力强、收敛快等优点;将两者结合使用不仅可以提高信道模型参数辨识精度,而且还可以提高系统收敛速度。针对传统的高斯原子数目较大的问题,设计了一种新的原子结构。仿真实验表明,基于PSO_MP的模型参数识别精度高,验证了该算法的可行性和优越性。     

MIMO-OFDM系统中基于RAMP及其改进的稀疏信道估计算法

研究了在MIMO-OFDM系统中的稀疏信道估计问题。将正则化稀疏度自适应匹配追踪算法（RAMP）运用到MIMO-OFDM稀疏信道估计中,并对该算法的迭代结束条件加以改进,取残差的能量之差小于设定的阈值来终止迭代过程,更加准确地估计出信道稀疏度,进而提高了稀疏信道的估计精度。仿真结果表明,在MIMO-OFDM系统中,相比RAMP算法与稀疏度自适应匹配追踪算法（SAMP）,改进算法能够获得更好的MSE性能,在不需要稀疏度的前提下达到了与正交匹配追踪算法（OMP）算法相似的MSE性能。      

基于遗传搜索和模板匹配的快速运动估计

基于遗传算法的运动估计具有较好的全局寻优能力,但其过高的算法复杂度需要很大的计算和存储开销,增加了编码时间;另一方面,传统的基于遗传算法的运动估计普遍采用较低的遗传迭代次数,降低了遗传算法的搜索精度。为解决传统算法搜索时间长和搜索精度低的缺陷,提出了一种基于遗传搜索和模板匹配的混合算法。该算法结合多种运动矢量的预测方法...     

前向预测与回溯结合的正交匹配追踪算法

在基于压缩感知的正交匹配追踪算法中,候选集原子的选取对最终的重建性能至关重要.文中结合前向预测和回溯两种策略更新候选原子集,提出了一种基于预测与回溯的正交匹配追踪(LABOMP)算法.该算法通过设定阈值将所有迭代划分为前后期,在迭代前期,通过预测原子在未来迭代中的性能选择最佳原子;在迭代后期,加入回溯策略,每两次迭代淘汰一个前面错误选择的原子.实验结果表明:LABOMP算法是实用有效的,由于加入回溯策略修正了预测算法LAOMP的不足,使迭代后期高斯稀疏信号与二值稀疏信号的精确重建概率较LAOMP算法分别平均提高了12.5％、18.2％.