基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了从含噪声的测量矢量中重构原始信号,研究了稀疏补分析模型下近似最优子空间追踪信号重构算法.针对直接采用稀疏综合模型下子空间追踪过程非最速梯度下降和信号重构概率不高的缺点,根据稀疏补分析模型下不同类型分析字典的结构特点来设计近似目标优化函数;改进了迭代追踪过程;优化了稀疏补取值方法;提出并实现了基于稀疏补分析模型的近似最优分析子空间追踪算法.仿真实验证明,当稀疏补运算符分别采用随机紧支框架和二维全变分矩阵时,算法的完全重构信号概率均明显高于ASP、AHTP、AIHT、AL1、GAP算法的完全重构信号概率;对于含高斯噪声的输入信号,算法的重构信号综合平均 PSNR比相应的 ASP、AHTP、AIHT 算法分别提高了0.8dB、1.38dB、3.13 dB,但比GAP和AL1算法降低了0.32 dB和0.6dB.算法的完全重构概率与综合重构性能有了明显提高,收敛充分条件得到进一步简化.
推荐文章
基于稀疏度区间的变步长最优子空间追踪算法
贪婪算法
稀疏自适应
变步长
最优子空间
基于子空间追踪的稀疏信号重构算法
子空间追踪
稀疏信号
信号重构
Nyquist采样
一种压缩采样中的稀疏度自适应子空间追踪算法
压缩采样
子空间追踪
稀疏分解
基于改进的子空间追踪算法的人脸识别
稀疏编码
稀疏表示
人脸识别
正交匹配追踪
子空间追踪
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于稀疏补分析模型的近似最优子空间追踪
来源期刊 电子学报 学科 工学
关键词 稀疏补分析模型 近似最优 子空间 追踪
年,卷(期) 2016,(10) 所属期刊栏目 学术论文
研究方向 页码范围 2289-2293
页数 5页 分类号 TN911.72
字数 4734字 语种 中文
DOI 10.3969/j.issn.0372-2112.2016.10.001
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 张宗念 东莞理工学院电子工程学院 14 106 5.0 10.0
2 李金徽 东莞理工学院网络中心 9 38 3.0 6.0
3 黄仁泰 东莞理工学院计算机学院 21 143 5.0 11.0
4 闫敬文 汕头大学电子工程系 33 404 10.0 19.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (33)
共引文献  (44)
参考文献  (13)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(4)
  • 参考文献(0)
  • 二级参考文献(4)
2006(10)
  • 参考文献(1)
  • 二级参考文献(9)
2007(2)
  • 参考文献(1)
  • 二级参考文献(1)
2008(10)
  • 参考文献(2)
  • 二级参考文献(8)
2009(11)
  • 参考文献(4)
  • 二级参考文献(7)
2010(2)
  • 参考文献(1)
  • 二级参考文献(1)
2011(3)
  • 参考文献(3)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
稀疏补分析模型
近似最优
子空间
追踪
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电子学报
月刊
0372-2112
11-2087/TN
大16开
北京165信箱
2-891
1962
chi
出版文献量(篇)
11181
总下载数(次)
11
总被引数(次)
206555
论文1v1指导