基于压缩感知的自适应匹配追踪算法优化

针对基于压缩感知的稀疏自适应匹配追踪(sparsity adaptive matching pursuit,SAMP)算法运行效率低的问题,给出了一种优化的自适应匹配追踪(modified adaptive matching pursuit,MAMP)算法.该算法在支撑集选择过程中对稀疏度进行了初步估计,并优化了迭代停止的条件.实验表明,该算法相比于SAMP有更快的收敛速度,并且实现更优的重建效果.     

基于改进遗传算法的正交匹配追踪信号重建方法

针对压缩传感现有重建算法的缺陷:重建速度慢,在给定迭代次数的条件下进行重建,缺乏自适应性等,提出了一种改进的遗传算法与正交匹配追踪算法相结合的方法来构造重建矩阵。首先采用改进的遗传算法从测量矩阵的列中以最优染色体的形式选出与当前冗余向量最大程度相关的列,然后从测量矩阵中减去最优染色体部分并反复迭代,直到满足重建精度。实验结果表明,与现有的重建算法相比,在满足相同的重建精度条件下,该方法所需要的重建时间减少了5 s左右,所需要的测量矩阵规模减小了约10%,而且能在待重建信号稀疏度未知时自适应地控制迭代停止时间。     

基于约束等距的块稀疏压缩采样匹配追踪算法

为提高块稀疏信号重构算法性能,利用测量矩阵块相干特性对块稀疏约束等距常数进行估计和讨论。在此基础上,将联合子空间的分块思想引入压缩采样匹配追踪(compressive sampling matching pursuit, CoSaMP)算法,提出了基于约束等距的块稀疏压缩采样匹配追踪(block CoSaMP, BCoSaMP)算法,以子矩阵为单位更新重构支撑集,放宽了约束等距条件。在高斯随机测量矩阵条件下,证明分块尺寸越大、最优相干块更新数量在适当范围内越少,重构误差收敛性越好且信号临界稀疏比越大。最后,利用某型预警雷达多批次回波信号进行重构仿真,验证了本文算法比目前其他块稀疏重构算法具有更高的重构成功率、更优的误差稳定性和更好的应用价值。     

基于改进正交匹配追踪算法的属性散射中心提取

属性散射中心模型是描述目标后向电磁散射特性的典型模型,但其中传统的正交匹配追踪(orthogonal matching pursuit,OMP)算法提取模型时具有参数复杂度高、计算时间长等问题.对此提出一种基于稀疏字典的广义正交性的改进OMP算法,快速定位模型位置参数值,避免了正交匹配中的寻优过程,从而降低算法的运算复...     

基于块剪枝多路径匹配追踪的多信号联合重构

针对多路径匹配追踪(multipath matching pursuit,MMP)无法利用稀疏信号的结构信息、迭代层数较高时计算复杂度较大等问题,提出了一种适用于重构块稀疏信号的块剪枝多路径匹配追踪算法。该算法以原子块作为路径扩张的节点,在一定迭代层数后引入剪枝操作,极大地降低了数据运算量。进而,针对多观测向量(multiple measurement vector,MMV)问题,提出了MMV块剪枝MMP算法,用以实现无线传感网小范围内多传感器信号的联合重构。实验表明,块剪枝MMP的重构性能优于MMP,MMV块剪枝MMP的联合重构性能优于MMV块A*正交匹配追踪、MMV子空间匹配追踪和MMV正交匹配追踪。     

基于局部随机化哈达玛矩阵的正交多匹配追踪算法

针对现有测量矩阵的优缺点,采用具有良好相关性、随机独立性及快速计算的局部随机化哈达玛矩阵作为测量矩阵,同时针对标准正交匹配追踪算法在测量过程中受扰或在稀疏信号情况下难以稳定精确重构问题,提出了一种基于局部随机化哈达玛矩阵的正交多匹配追踪算法。该算法利用局部随机化哈达玛矩阵的结构特性,能够快速精确重构原信号。仿真结果表明,测量过程中存在噪声或无噪,无论处理一维信号还是二维图像信号时,该算法性能均超过同类其他贪婪算法和凸优化基匹配法。     

基于迭代连续匹配追踪的高频地波雷达单次快拍DOA估计方法

高频地波超视距雷达在一个相参积累时间内只能获得空域的单次快拍,在单次快拍条件下进行波达方向估计常常性能很差。针对该问题,本文以压缩感知理论为基础,并根据目标信号在探测方位分布的稀疏性,提出单次快拍下目标方位估计方法。该方法首先利用稀疏变换字典将位于连续方位空间的目标信号变换到满足稀疏条件的离散网格点上;然后采用正交匹配追踪方法获得粗略的方位信息;最后根据迭代最小二乘连续匹配追踪算法得到目标的精确方位。理论分析与仿真证明,该方法可以提高在单次快拍下对低信噪比相干信号的方位估计精度,并且完全适用于阵元数较少的小规模高频地波雷达系统。     

基于单反馈SLT码的纠错码与MP联合译码

转移LT(shifted Luby transform,SLT)码是信源依据接收端的反馈信息进行的LT(Luby transform,LT)编码方法,这种编码方法可以有效地减少解码所需要的数据包个数,由此,本文针对基于单次反馈SLT码的信道纠错码与信息传递(message propagation,MP)联合译码方法,对原有的转移鲁棒孤立子分布(shifted robust soliton distribution,SRSD)函数进行改进得到适合MP联合译码的扩展转移鲁棒孤立子分布(expand shifted robust soliton distribution,ESRSD)函数。将本文提出的ESRSD用于MP联合译码方案分别与LT码、反馈SRSD MP联合译码相比,实验结果显示,采用本文提出的ESRSD进行编码在MP译码所需要数据包的个数最少。     

基于区域重叠核加权Hu矩的SIFT误匹配点剔除算法

针对尺度不变特征变换（scale invariant feature transform, SIFT）算法在特征点匹配时容易出现误匹配现象,提出了一种基于区域重叠核加权Hu矩的SIFT误匹配点剔除算法。该算法首先通过对SIFT描述子区域内的重叠4邻域计算Hu矩,生成能够描述纹理特征与轮廓特征的种子点描述子;其次,根据描述子的区域特点利用核函数对种子点描述子进行加权,生成63维区域重叠核加权Hu矩描述子;最后用巴氏（Bhattacharyya）系数计算归一化后描述子的相似度,并剔除相似度较小的匹配点。将该算法与其他3种算法进行对比,实验结果表明,该算法的鲁棒性最强,实时性较高,综合性能最优。     

基于不变矩的景象匹配辅助导航快速匹配算法

针对景象匹配过程中矩特征计算量大、耗费时间长的问题,在搜索匹配前,首先通过小波变换压缩图像以减少搜索空间。在此基础上,为了减少每个待匹配位置相似性测度的计算量,利用矩特征的求解特点及匹配过程中相邻子图间的关系,通过设置多个和表简化各子图矩特征的计算。综合这两种加速策略,提出了一种快速的不变矩匹配算法,该算法极大地降低了匹配过程的计算代价。实验结果表明,所提算法与仅使用小波变换的方法相比,在保证匹配精度的同时,进一步减少了匹配耗时。     

结构扰动与粗差鲁棒的lp正交匹配追踪算法

针对压缩感知稀疏信号恢复,提出了一种对测量结构扰动和粗差同时鲁棒的l₁正交匹配追踪(structure perturbation and outlier robust l₁-orthogonal matching pursuit, l₁-SPOR-OMP)算法。该算法利用l₁范数对粗差的鲁棒性,分别约束信号和扰动的拟合误差,进而通过交替迭代使它们同时到达最小,从而同时实现对信号和扰动的有效鲁棒恢复;由于算法仅需求解支撑位置的有效扰动,因此极大地降低了算法的计算复杂度。此外,为了进一步提高算法的恢复效率,也提出了使用鲁棒OMP方法来估计有效扰动的l_1,2-SPOR-OMP算法。在证明了所提出算法收敛性的同时,分析了运算复杂度。数值仿真的结果验证了所提算法的有效性和优越性。     

基于图象的人体运动追踪系统研究

首先介绍了运动测量的几种主要方法,讨论了基于图象的运动追踪研究中要考虑的时间延迟问题及多摄像机的采集同步问题,最后介绍了一个能较好地完成大尺度空间人体无约束追踪的基于透视四点投影(P4P)问题的单摄像机运动追踪实验系统,包括摄像机标定、图象处理、特征提取、特征匹配、深度估计和姿态估计等等技术。     

基于快速鲁棒性特征的景象匹配

针对光电成像制导景象匹配中图像产生较大几何形变的问题,提出了一种基于快速鲁棒性特征(speeded up robust feature, SURF)的景象匹配算法。SURF提取的图像特征具有尺度和旋转不变性,对灰度不敏感,并能快速运算。算法首先利用仿射变换对基准图像进行3D视角补偿,模拟基准图像在不同视角下的成像,以减小基准图像和实时图像间的视角差异,分别提取两图像的SURF特征,然后根据最小欧氏距离准则提取两图像间匹配的SURF特征点对,根据该特征点对估计基础矩阵,得到两图像的投影关系。仿真结果表明,该算法能够适应光电成像制导中图像的几何形变,实现稳定的景象匹配。     

基于模糊集的神经网络景象匹配算法

将神经网络思想引入到景象匹配,提出了基于模糊集的神经网络景象匹配算法。该算法将图像模糊集作为特征空间,尝试了在模糊域中采用神经网络学习算法进行精确寻优。实验结果表明,设计的算法不但较好的满足了景象匹配系统对算法的性能要求,而且比传统算法具有更高的抗干扰能力。     

基于时间相关性的梯度追踪多用户检测算法

为降低大规模机器类型通信基站端多用户检测的复杂度, 结合活跃设备在相邻时隙间的相关性和梯度追踪算法提出了相关性辅助的梯度追踪多用户检测(correlation-assisted gradient pursuit multi-user detection, CAGP-MUD)算法, 不仅避免了矩阵求逆的过程, 还减少了除第一时隙的其他时隙的迭代次数。为了进一步降低多用户检测算法的复杂度, 在CAGP-MUD算法框架内引入决策衰弱的思想, 对梯度最大值进行衰弱, 并以此作为阈值, 每次迭代可挑选出多个活跃设备, 以减少迭代次数, 称为相关性辅助的组梯度追踪多用户检测算法。对提出的两种算法进行了复杂度计算。理论分析和仿真实验表明, 和同类算法相比, 这两种算法的计算消耗降低了60%以上。     

基于复数小波变换的景像匹配算法

讨论了一种基于复数小波变换的景像匹配算法 ,并以此算法为基础给出了一个高效的景像匹配模型。依据生物视觉的空间频域通路思想 ,利用复数小波移动不变性 (shiftinvariance)和实数离散小波快速算法 (Mallat快速算法 )将图像分解成多层 ,模拟生物视觉的感知过程 ,分别在高、低空间频域内进行了由粗到精的快速匹配。通过实验证明 ,与传统的景像匹配算法相比具有速度快、匹配概率高、抗干扰能力强等优点。     

基于Kinect的皮影动作实时匹配研究

皮影文化传承中由于受众老龄化和传承断代化使得皮影文化逐渐面临没落,基于Kinect实现皮影动作实时匹配能够为传统皮影文化注入新的活力。根据皮影特点构建关节点皮影模型,实现了皮影的静态数字化。基于Kinect获取人体深度图像,通过分割遮罩和机器学习获取人体骨骼点坐标,生成人体骨架。对关节点皮影模型进行骨骼绑定与权重设置,将Kinect采集到的人体数据绑定到皮影上。通过骨骼树的遍历和动作匹配算法完成坐标映射,实现人体与皮影动作的实时匹配,从而完成皮影的动态表演数字化。     

基于前缀匹配的二进制搜索算法及仿真

针对射频识别系统(Radio Frequency Identification-RFID)中目标搜索算法直接影响标签功耗和搜索速度的特点,研究如何通过减少标签的平均响应次数,降低标签功耗.提出基于前缀匹配的二进制搜索(PMBS:Prefixes Matching Binary Searching)算法:由于标签ID由几个不同含义区间段组成,在识别标签ID中的前缀时,当前缀匹配数小于一定阈值时将忽略前缀中的剩余碰撞位,直接尝试以匹配前缀进行搜索,从而达到减少标签响应次数和总搜索次数的目的.仿真实验证明,当标签数从5至100变化时,标签平均响应次数平均降低25.3%,总搜索次数平均降低7.1%.     

基于启发式遗传算法的指数追踪组合构建策略

消极组合管理方法已由国内外众多基金的表现证明是一种有效的资产组合投资方式. 指数基金作为采取消极管理策略的典型代表, 其业绩超越多数采取积极管理模式的基金. 指数基金管理者的主要目标是使其基金的收益尽可能接近其标的股指, 如我国的沪深300, 美国的标普500的收益. 本文提出了一种基于启发式遗传算法的寻优方案, 通过最大化效用函数来寻找一个最为经济的指数复制组合. 该组合同时应该满足拥有最少的资产数量、尽可能少的权重调整次数、最小的收益波动性等限制条件以减少基金开销, 并使其收益尽量接近或者超越标的指数的收益. 为使该策略具有更强的实用性, 文章考虑了股票具有最小交易规模、投资权重分布不平均等实际限制. 实验所得策略通过构造追踪组合来匹配沪深300指数, 其综合效果超过了使用二次规划、等权或者是先验经验构筑的投资组合.