一种最优选择的压缩采样匹配追踪算法

为了解决压缩采样匹配追踪(CoSaMP)算法在观测值固定时重构概率随着稀疏度的增加急剧下降问题,基于最优选择思想和回溯思想设计一种最优选择的压缩采样匹配追踪(OSCoSaMP)算法.在每次迭代过程中,从支撑集中选出最优的支撑,同时采用回溯思想剔除错误原子,分别测试不同稀疏度和不同观测值下的重构概率.仿真结果表明,该算法...     

预估稀疏度的压缩感知超宽带信道估计算法研究与仿真实验

设计了信道估计算法实验的一个拓展内容——预估稀疏度的压缩感知超宽带信道估计算法研究与仿真实验,提出一种预估稀疏度的压缩感知超宽带信道估计算法。该算法引入稀疏度预估计,在自适应匹配之前快速估计出信号的稀疏度,避免自适应匹配时步长选择不合理对信道估计结果产生影响。在稀疏度预估计和匹配追踪两个阶段挑选原子时使用广义Dice系数准则来进行每一阶段的最优原子选择工作,并在匹配最优原子阶段引入正则化对已选原子进行二次筛选。     

基于QR分解的OMPR算法快速实现

正交匹配追踪算法（Orthogonal Matching Pursuit）因其理论分析完备,且能够快速实现,从而成为解决压缩感知重构问题的重要工具之一。OMPR（Orthogonal Matching Pursuit with Replacement）算法是OMP算法的加强,在理论分析和数值试验中均是性能最卓越的贪婪追踪算法之一。然而OMPR算法在每次迭代中仍然需要利用矩阵求逆运算,时间代价巨大。利用矩阵的QR分解和Givens变换的相关性质,提出OMPR QR算法。理论分析表明,OMPR QR算法在数学上完全等价于OMPR算法,且仿真实验表明,在大数据量下其每次迭代的时间代价远远小于OMPR。     

稀疏度自适应回溯追踪算法改进

针对压缩感知重构算法中信号稀疏度未知和步长大小固定的问题,提出一种新的压缩感知信号重构算法,即基于弱选择的稀疏度自适应回溯追踪（SPWAMP）算法。该算法将自适应思想、变步长迭代思想与回溯思想相结合,在未知信号稀疏度的情况下,利用阈值方法选取预选集,通过变步长更新支撑集原子个数并结合回溯思想剔除不可靠原子,最终实现信号精确重构。仿真结果表明,当信号稀疏度K达到65时,该算法重构精度相对稀疏度自适应匹配追踪（SAMP）算法提高了40%,而此时正交匹配追踪（OMP）算法、子空间追踪（SP）算法和分段弱选择正交匹配追踪（SWOMP）算法已无法实现重构。因此,该算法相对其它同类算法提高了信号重构精度。     

随机正交匹配追踪算法的热光鬼成像

利用正交匹配追踪算法,使用极少量数据再现了鬼成像系统中被测物体的轮廓信息,进一步提出了改进的随机正交匹配追踪算法,物体图像的对比度大幅提高,连续性明显改善。采用本文提出的随机正交匹配追踪算法可以降低鬼成像系统数据存储量,同时获取高质量的物体识别图像,在复杂物理环境的鬼成像系统探测中具有潜在的应用价值。     

基于改进型Colpitts振荡器的超宽带混沌穿墙成像雷达

提出了一种基于改进型Colpitts振荡器的超宽带混沌穿墙成像雷达,利用混沌相关法获得一维距离信息,通过天线扫描实现二维成像。基于时域有限差分法的数值电磁仿真和实验结果表明,该系统可对墙后人体目标进行探测,并可穿透0.2m厚的加气煤渣砖墙,对墙后的单、双金属球目标进行成像。系统的距离向和方位向分辨率分别为6cm和8cm。     

基于System Generator的稀疏编码算法设计及硬件实现

为了提高稀疏编码算法的处理速度,设计了一种通过System Generator在FPGA上实现的正交匹配追踪算法.算法由矩阵数据并行输出模块、矩阵乘法运算模块、最匹配原子与列索引选择模块、Cholesky分解模块与求逆算法模块、残差更新模块5个模块组成.通过对模块内部算法并行化设计,提高了正交匹配追踪算法的运行速率.仿...     

利用查表技术的超宽带快速定位算法研究

针对目前一些利用超宽带技术定位目标体的方法存在的缺陷,在前人研究的双椭圆交叉定位方法的基础上,推导了信号传播路径的时延解析方程,采用近似方法求解信号穿过墙体的延时,将时廷迟分割为有限个小单元,形成时间查找表,表中每个小单元都有与其一一对应的位置信息。通过模型建立计算时间延迟并分析延时误差,讨论目标体远近与墙体厚度对定位精确度的影响,结果表明目标体与发射天线的距离对位置信息识别的精确度几乎无影响,但墙体的厚度越大,延迟误差越大,定位信息越不准确,此方法不适合厚度超过30cm的墙体。     

短毫米波成像算法的研究

本文通过对短毫米波技术与成像算法的研究,重点研究了基于最大类间方差的快速图像分割算法.该算法根据最大类方差原理,通过二分逼近逐次逼近最佳分割闻值,相对于传统的最大类问分割方法提高了速度,该算法也可以扩展到一般数字图像的分割,其效果也较好.     

电能质量信号的KSVD-NRAMP归一化自适应稀疏重构算法

针对稀疏重构算法在电能质量重构中存在实时性差、重构精度低的问题,提出一种基于特征向量归一化的K奇异值分解(KSVD-NRAMP)自适应稀疏重构算法。算法针对电能质量信号的非线性非稳态特征,采用迭代式匹配追踪得到信号稀疏特征矩阵,然后对矩阵进行归一化处理,量化特征向量,加快函数收敛速度。接着对得到的矩阵原子进行奇异值分解,改善迭代步长波动造成信号重构精度低的问题,最后构建信号的高斯随机矩阵并重构信号。当信号压缩率在50%~90%时,该算法重构信噪比其它重构算法的重构信噪比高出26dB~28dB。实验结果表明,该算法重构精度更高且计算时间短,为电能质量信号的研究提供了一种新思路。     

基于HOG与残差网络的行人检测算法

为了提高行人检测的准确性,提出一种改进的方向梯度直方图(HOG)算法,首先对图像进行两种方式的HOG特征向量的提取,方形划分和圆形划分方式,并对圆形划分得到的梯度直方图进行权值优化调整,再结合残差网络(Res Net)提取的深度模型特征,最佳特征向量用主成分分析算法(PCA)降维,通过SVM算法对行人进行检测。通过对HOG与Res Net特征融合算法进行仿真,并与其他行人检测算法对比,在提升准确率与降低漏检率上取得了很好效果。     

基于肤色和AdaBoost算法的人脸检测

文章提出了一种新的将肤色算法与AdaBoost算法结合起来的人脸检测算法.算法主要是将用肤色检测算法得到的肤色特征,做为一种新的矩形特征加入到AdaBoost算法的训练过程中.新算法提高了人脸检测的正确率,降低了误检率,新算法的鲁棒性更强.     

基于KPKM算法的动目标检测与跟踪

针对均值偏移算法在跟踪目标发生形变和遮挡时丢失问题,提出了一种自适应目标检测、核函数带宽可变、Kalman滤波预测和重心轨迹跟踪的改进均值偏移算法（KPKM）。该算法利用目标检测中得到的外接矩形和重心作为均值偏移算法的初值,用改进的Kalman滤波器预测目标运动趋势,使本算法能沿着梯度方向快速收敛到目标中心。实验和仿真结果表明,该方法实现了在复杂场景下,对运动目标的精确检测和准确跟踪。     

基于肤色和AdaBoost算法的人脸检测

文章提出了一种新的将肤色算法与AdaBoost算法结合起来的人脸检测算法．算法主要是将用肤色检测算法得到的肤色特征,做为一种新的矩形特征加入到AdaBoost算法的训练过程中．新算法提高了人脸检测的正确率,降低了误检率,新算法的鲁棒性更强．     

基于频度的概念漂移检测算法

数据流中概念漂移的存在,影响了数据流的分类性能。文章主要研究基于频度的概念漂移的检测算法FCD,以便利用基于频度的概念漂移中概念重复出现的特性,提高分类的性能。     

基于多Agent网络入侵检测系统中检测算法的设计

提出一种基于多Agent的网络入侵检测系统的检测算法,给出了详细的算法设计原理,以及算法描述.实验表明利用本算法可以提高入侵检测的准确性和有效性,井能够降低误报率.     

基于改进的数学形态学边缘检测算法研究

研究了彩色图像边缘检测问题。针对传统边缘检测算法存在的边缘分辨率较低、低强度边缘保护能力较差等情况,提出了基于数学形态学彩色图像边缘检测改进算法。该方法将利用数学形态四运算,即膨胀、腐蚀、开、闭等变换以及它们的组合,并根据不同的结构元素的尺度大小和结构元类型,给出了一种改进的形态学抗噪型边缘检测算子,有效地检测出完整的图像边缘信息,并保持图像边缘的平滑性。实验结果证明了,与传统的边缘检测算法相比,本文提出的算法能有效提取准确的边缘信息,而且又具有很强的抗噪性,是一种有效的边缘检测方法。     

基于级联特征分类器的行人检测算法

为进一步提升方向梯度直方图-局部二值模式(HOG-LBP)特征融合的行人算法在检测精度以及加快融合后的算法检测速度,提出了一种基于级联特征分类器的行人检测算法.计算样本集的方向梯度共生直方图(CoHOG)特征和鲁棒局部二值模式(RLBP)特征,使用这两种特征训练两种特征弱分类器,并将两种特征融合训练CoHOG-RLBP...     

基于变分自编码器的异常检测算法研究

异常检测能够检测出数据中的异常情况,为各类系统正常运转提供重要支撑.提出一种基于变分自编码器的异常检测算法,该算法使用变分自编码器对输入数据进行特征提取,结合深度支持向量网络,压缩特征空间,并寻找最小超球体分离正常数据和异常数据,通过计算数据特征到超球体中心的欧式距离衡量数据的异常分数,并以此进行异常检测.在基准数据集...