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:
稀疏度自适应匹配追踪(SAMP)算法可在稀疏度未知时重构原始信号而得到广泛应用.针对SAMP原子预选数量随阶段数增加,存在大稀疏度情况下原子预选数超过测量值造成无法重构的问题,提出变比例的稀疏度自适应匹配追踪算法,该算法先采用内积累加比例法预选原子,再针对单个固定比例无法同时满足小稀疏度时快速重构和大稀疏度时提高重构成功率的问题,在设定的比例阈值上限内采用变比例策略,使得在大稀疏度下原子预选取的数量不超过测量值数,同时又可提供足够多的原子以提升重构性能.仿真结果表明,该算法可在重构误差和重构时间相比SAMP一致的情况下,重构成功率在大稀疏度时比SAMP平均提高5.8%,且在稀疏度超过测量值一半时保持较高重构成功率.
推荐文章
一种改进的正则化自适应匹配追踪算法
信号重构
压缩感知
稀疏度
自适应
正则化
基于稀疏度自适应算法的压缩感知
压缩感知
稀疏度自适应算法
重构时间
基于CS的稀疏度变步长自适应压缩采样匹配追踪算法
压缩感知(
CS)
压缩采样
自适应
变步长
匹配追踪
稀疏度自适应回溯追踪算法改进
压缩感知
重构算法
稀疏度自适应
信号处理
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 变比例的稀疏度自适应匹配追踪算法
来源期刊 通信技术 学科 工学
关键词 压缩感知 重构算法 稀疏度自适应 内积累加比例
年,卷(期) 2019,(7) 所属期刊栏目 信息处理与传输
研究方向 页码范围 1620-1625
页数 6页 分类号 TN911.7
字数 4613字 语种 中文
DOI 10.3969/j.issn.1002-0802.2019.07.013
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 唐川雁 杭州电子科技大学通信工程学院 5 1 1.0 1.0
2 史姣姣 杭州电子科技大学通信工程学院 5 6 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (14)
共引文献  (2)
参考文献  (10)
节点文献
引证文献  (1)
同被引文献  (9)
二级引证文献  (0)
1995(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(3)
  • 参考文献(1)
  • 二级参考文献(2)
2009(6)
  • 参考文献(2)
  • 二级参考文献(4)
2010(3)
  • 参考文献(0)
  • 二级参考文献(3)
2011(2)
  • 参考文献(0)
  • 二级参考文献(2)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2016(2)
  • 参考文献(0)
  • 二级参考文献(2)
2018(4)
  • 参考文献(4)
  • 二级参考文献(0)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
压缩感知
重构算法
稀疏度自适应
内积累加比例
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
通信技术
月刊
1002-0802
51-1167/TN
大16开
四川省成都高新区永丰立交桥(南)创业路8号
62-153
1967
chi
出版文献量(篇)
10805
总下载数(次)
35
论文1v1指导