原文服务方: 计算机应用研究       
摘要:
针对信号稀疏分解中常用匹配追踪分解不够准确的问题,提出基于K-SVD奇异值分解的超声渡越时间获取方法.利用K-SVD训练得到超声回波信号的过完备字典,结合正交匹配追踪进行局部搜索适配原子,以提高信号稀疏分解的速度和准确度.基于Comsol Multipysics仿真软件建立充液污垢管道三维有限元模型,研究了超声回波传播特性规律.将K-SVD算法应用于超声回波仿真信号和换热污垢管道回波检测信号的处理,并与原始小波训练字典进行对比.结果表明,改进的K-SVD字典学习算法能够在提高信号稀疏分解的同时,获得较好的降噪结果和污垢特征信息提取,对超声检测信号的处理具有实际意义.
推荐文章
基于Sparse K-SVD学习字典的语音增强方法
稀疏表示
Sparse K-SVD
自适应字典
语音增强
基于正则化模型的K-SVD算法及其应用
K-SVD
正则化方法
字典学习
稀疏表示
图像去噪
基于K-SVD的协同入侵检测
稀疏表示
奇异值分解
支持向量机
协同
入侵检测
基于自适应K-SVD字典的视频帧稀疏重建算法
K-SVD算法
自适应K-SVD算法
字典学习
稀疏表示
压缩感知
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K-SVD超声渡越时间获取方法研究
来源期刊 计算机应用研究 学科
关键词 稀疏表示 完备字典 超声检测 正交匹配追踪 K-SVD
年,卷(期) 2017,(6) 所属期刊栏目 系统应用开发
研究方向 页码范围 1740-1744
页数 5页 分类号 TN911.7|TB52
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2017.06.031
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 徐曼菲 东北电力大学自动化工程学院 6 10 2.0 2.0
2 孙灵芳 东北电力大学自动化工程学院 69 483 11.0 20.0
3 李霞 1 0 0.0 0.0
4 朴亨 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (151)
共引文献  (145)
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)
1970(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(4)
  • 参考文献(0)
  • 二级参考文献(4)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(15)
  • 参考文献(1)
  • 二级参考文献(14)
2007(10)
  • 参考文献(0)
  • 二级参考文献(10)
2008(13)
  • 参考文献(0)
  • 二级参考文献(13)
2009(20)
  • 参考文献(0)
  • 二级参考文献(20)
2010(18)
  • 参考文献(2)
  • 二级参考文献(16)
2011(14)
  • 参考文献(0)
  • 二级参考文献(14)
2012(23)
  • 参考文献(1)
  • 二级参考文献(22)
2013(15)
  • 参考文献(3)
  • 二级参考文献(12)
2014(9)
  • 参考文献(3)
  • 二级参考文献(6)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(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
稀疏表示
完备字典
超声检测
正交匹配追踪
K-SVD
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
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
总被引数(次)
238385
论文1v1指导