基于粒子群優(yōu)化和原子特性的匹配追蹤算法
大?。?/span>0.37 MB 人氣： 2017-12-12 需要積分：3
Mallat和Zhang在小波分析的基礎上，于1993年提出信號在過完備原子庫上分解的思想。用來表示信號的基，可以通過信號在過完備庫上的分解，根據(jù)信號本身的特點自適應的選取，得到信號的稀疏表示。由于信號的稀疏表示所具有的優(yōu)良特性，使其在信號處理領域的研究得到了長足發(fā)展。但稀疏分解的計算十分復雜，導致實際應用到信號處理上變得困難。
粒子群優(yōu)化算法（Particle Swarm Optimization，PSO）源于對鳥類捕食過程的研究，算法通過先初始化一個種群，然后通過不斷迭代尋優(yōu)，實現(xiàn)全局搜索。算法實現(xiàn)簡單，需調整參數(shù)少，得到了廣泛應用。針對稀疏分解計算復雜問題，本文在MP算法進行信號稀疏分解過程中，用粒子群優(yōu)化算法進行原子尋優(yōu)，結合原子特性，有效克服了稀疏分解計算量大的問題。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%