o Camshift 算法 引言 大多数特征跟踪算法的执行都遵循下图所示的目标预测——特征检测——模板匹配——更新四个步骤的闭环结构。首先，以前一帧目标位置和一些运动模型为基础，预测当前帧中目标的可能位置。接着，候选区域的特征和初始特征相匹配，通过优化匹配准则来选择最好的匹配对象，其相应的目标区域即为目标在本帧的位置。算法设计的不同常常由于选择什么特征、预测如何进行、如何选择匹配准则等的不同而不同。许多对目标跟踪算法的完善也是从这三个方面寻找改善措施的 。 除了位置更新步骤，其余三个步骤一般在一个迭代中完成。目标预测步骤主要基于目标的运动模型，运动模型可以是很简单的等速平移运动，也可以是很复 杂的曲线运动。特征检测步骤是在目标区域通过相应的图像处理技术获得特征值，组合成待匹配模板。
d h 模板匹配步骤是选择最匹配的待匹配模板，它的所在区域即是目标在当前帧的位置区域。一般以对目标表象的变化所作的一些合理的假设为基础，—个常用的方法是候选特征与初始特征的互相关系数最小。 三个步骤不断往复。更新步骤常常有两种，一是指对初始模板(特征)的更新，这是因为在目标的运动中，它的姿态、环境的照度等会发生变化，因此模板更新有利于跟踪的继续进行；二是指位置的更新，当在当前帧中找到与目标模板最匹配的模板后，常把该模板的中心位置作为目标在当前帧中的位置，并用该位置对目标的初始位置进行更新，作为下一帧处理时的目标初始位置。 1，Camshift原理 CamShift利用目标的颜色直方图模型将图像转换为颜色概率分布图，初始化一个搜索窗的大小和位置，并根据上一帧得到的结果自适应调整搜索窗口的位置和大小，从而定位出当前图像中目标的中心位置。 2，目标表示（颜色概率分布图） (1) RGB颜色空间对光照亮度变化较为敏感，为了减少此变化对跟踪效果的影响，首先将图像从RGB空间转换到HSV空间。
doi :10.3969/j.issn.1001-893x.2017.01.016 引用格式:李强,张洪欣,郭法明,等.利用匹配追踪算法提取变电站内路径损耗参数[J].电讯技术,2017,57(1):95-99.[LI Qiang,ZHANG Hongxin,GUO Faming,et al.Extracting path loss parameters in substation by using matching pursuit algorithm[J].Telecommunication Engi- neering,2017,57(1):95-99.]利用匹配追踪算法提取变电站内路径损耗参数 * 李 强**1,张洪欣1,郭法明1,陆 阳2,李建岐2,吕英华1(1.北京邮电大学电子工程学院,北京100876;2.全球能源互联网研究院,北京102209) 摘 要:为了衡量变电站内电磁环境对无线通信设备的干扰,尤其是对无线信道的干扰,采用频域测量方法在110kV 和220kV 变电站内分别对430MHz 和470MHz 通信频段电磁波路径损耗进行了测量三针对变电站内电磁环境相对复杂的情况,提出了一种利用匹配追踪算法滤除噪声,提取路径损耗参数的方法三根据测量信号的特征,构建了与测量信号匹配而对噪声不敏感的高斯脉冲原子库三与常规的Gabor 原子库相比,基于构建的高斯脉冲原子库的匹配追踪算法比传统的基于Gabor 原子库的匹配追踪算法运算速度要快3~4倍,提高了匹配追踪算法的运算速度,减少了计算时间,获得了较好的降噪和信息提取的效果,为变电站内布置无线通信设备提供了理论依据和指导意义三关键词:无线通信;变电站电磁环境;路径损耗参数;匹配追踪;脉冲原子库 中图分类号:TN925 文献标志码:A 文章编号:1001-893X (2017)01-0095-05 Extracting Path Loss Parameters in Substation by Using Matching Pursuit Algorithm LI Qiang 1,ZHANG Hongxin 1,GUO Faming 1,LU Yang 2,LI Jianqi 2,LYU Yinghua 1(1.School of Electronic Engineering,Beijing University of Posts and Telecommunications,Beijing 100876,China;2.Global Energy Interconnection Research Institute,Beijing 102209,China)Abstract :In order to evaluate the interference of electromagnetic environment to the wireless communica-tion equipment in the substation,especially to wireless channel,the frequency domain method is used to measure the electromagnetic wave path loss of 430MHz and 470MHz in the 110kV and 220kV substation respectively.For the condition that the electromagnetic environment of substation is complex relatively,a method is proposed to eliminate noise and extract the path loss parameters based on matching pursuit(MP)algorithm.According to the characteristics of the test signal,Gauss pulse atomic library is constructed,which matches with test signal and is not sensitive to https://www.doczj.com/doc/a99150771.html,pared with Gabor atomic library,the speed of matching pursuit algorithm based on Gauss pulse atomic library is faster than that of the MP algorithm based on Gabor atomic library three to four times.The Gauss pulse atomic library improves the calculation speed of MP algorithm and reduces the computing time.The MP algorithm gets a good effect of information extraction and noise elimination,which provides a theoretical basis and guidance for the wireless communi-cation equipment placed in the substaion.Key words :wireless communication;electromagnetic environment in substation;path loss parameter;matc-hing pursuit;pulse atomic library 四59四第57卷第1期2017年1月电讯技术Telecommunication Engineering Vol.57,No.1January,2017***收稿日期:2016-05-05;修回日期:2016-11-02 Received date :2016-05-05;Revised date :2016-11-02 基金项目:国家自然科学基金资助项目(61571063);国家电网公司科技项目(SGRIXTKJ [2015]-796)通信作者:qiang lee@https://www.doczj.com/doc/a99150771.html, Corresponding author :qiang lee@https://www.doczj.com/doc/a99150771.html, 万方数据
第10卷 第5期 信 息 与 电 子 工 程 Vo1．10，No．5 2012年10月 INFORMATION AND ELECTRONIC ENGINEERING Oct．，2012 文章编号：1672-2892(2012)05-0579-05 一种改进的用于稀疏表示的正交匹配追踪算法 王燕霞，张 弓 (南京航空航天大学 电子信息工程学院，江苏 南京 210016) 摘 要：稀疏表示理论在军事目标识别、雷达目标参数估计等领域应用越来越广，而目标信号的稀疏表示通常不唯一，因此产生了大量的稀疏表示算法。本文基于现有稀疏表示算法的研究，提出一种改进的正交匹配追踪(OMP)算法。首先采用非线性下降的阈值更快速地选择原子，确定备选原子集，提高了算法速度；其次用正则化的二次筛选剔除备选原子集中能量较低的原子，保证了算法精确度；并设置迭代停止条件实现算法的稀疏度自适应。实验结果表明，本文算法可以实现稀疏表示求解精确度和速度上的平衡，求解速度比基追踪(BP)算法快，精确度比OMP 、正则化OMP(ROMP)、基于自适应OMP 回溯(BAOMP)算法高。 关键词：过完备字典；稀疏表示；正交匹配追踪；正则化 中图分类号：TN850.6；TP753 文献标识码：A An improved orthogonal matching pursuit algorithm for sparse representation WANG Yan -xia，ZHANG Gong (College of Electronics and Information Engineering，Nanjing University of Aeronautics and Astronautics，Nanjing Jiangsu 210016，China) Abstract：Usually sparse representation of signal is not unique, which results in a large number of sparse representation algorithms. An improved Orthogonal Matching Pursuit(OMP) algorithm is proposed. The atoms are selected more quickly with nonlinear decline threshold and the set of alternative atoms is determined, which improves the algorithm speed. Regularized secondary screening can remove lower -energy atoms from the alternative atoms set to ensure the accuracy. A stop condition for iteration is preset to realize the adaptive sparsity of new algorithm. Simulation results show that, the improved algorithm can keep a balance between accuracy and speed for sparse solving with a faster speed than Basis Pursuit(BP) algorithm and a higher accuracy than OMP, Regularized OMP(ROMP) and Backtracking -based Adaptive OMP(BAOMP) algorithms. Key words：over -complete dictionary；sparse representation；orthogonal matching pursuit；regularized 稀疏表示理论在军事目标识别[1]、雷达目标参数估计[2]等领域的应用越来越广，2010年Vishal 和Nasser 等人基于科曼奇族前视红外数据库将稀疏表示用于军事目标的识别，稀疏求解的结果表明算法取得了较好的识别效果[1]。对于稀疏表示理论应用于各种目标信号处理来说，信号的表示应该能对自身不同性质，以及各性质间的差异提供明确信息，这就促进了信号在基于大量波形的过完备字典上的分解[1]。然而过完备库中的波形数远远超过信号的维数，因此它对给定信号的表示不是唯一的，由此产生了信号处理工作中大量的稀疏表示算法。 基于过完备字典的稀疏表示起源于20世纪90年代，Mallat 和Zhang 首次提出了匹配追踪(Matching Pursuit ，MP)算法来解决该稀疏分解问题[3?4]，通常这些算法可以分为3类：基于p l 范数正则化的方法、迭代收缩算法和贪婪追踪算法。基于p l 范数正则化的方法通过求解在重构条件下系数的p l 范数最小化来寻找稀疏解，此类比较典型的算法有基追踪(BP)[5]；迭代收缩算法首先要获得系数的初始集，然后迭代修正获得稀疏表示，早期的这类方法有噪声整形(Noise Shaping ，NS)[6]等；贪婪追踪算法力求从字典中选取与余量最匹配的原子作为信号的近似表示，并通过减去与该原子相关的分量来更新余量，此类算法研究的成果较多，典型的有MP [5],OMP [7],ROMP [8]及BAOMP [9]等。 收稿日期：2011-12-14；修回日期：2012-02-09
压缩感知重构算法之分段正交匹配追踪(StOMP) 分段正交匹配追踪(StagewiseOMP)或者翻译为逐步正交匹配追踪，它是OMP另一种改进算法，每次迭代可以选择多个原子。此算法的输入参数中没有信号稀疏度K，因此相比于ROMP及CoSaMP有独到的优势。 0、符号说明如下： 压缩观测y=Φx，其中y为观测所得向量M×1，x为原信号N×1（M< 2、分段正交匹配追踪(StOMP)Matlab代码(CS_StOMP.m) 代码参考了文献[4]中的SolveStOMP.m，也可参考文献[5]中的StOMP.m。其实文献[4]是斯坦福的SparseLab 中的一个函数而已，链接为https://www.doczj.com/doc/a99150771.html,/，最新版本为2.1，SolveStOMP.m在目录 SparseLab21-Core\SparseLab2.1-Core\Solvers里面。 1.function[theta]=CS_StOMP(y,A,S,ts) 2.%CS_StOMP Summary ofthisfunctiongoes here 3.%Version:1.0 writtenbyjbb0523@2015-04-29 4.%Detailedexplanationgoeshere 5.%y =Phi*x Camshift原理 camshift利用目标的颜色直方图模型将图像转换为颜色概率分布图，初始化一个搜索窗的大小和位置，并根据上一帧得到的结果自适应调整搜索窗口的位置和大小，从而定位出当前图像中目标的中心位置。 分为三个部分： 1--色彩投影图（反向投影）： (1).RGB颜色空间对光照亮度变化较为敏感，为了减少此变化对跟踪效果的影响，首先将图像从RGB空间转换到HSV空间。(2).然后对其中的H分量作直方图，在直方图中代表了不同H分量值出现的概率或者像素个数，就是说可以查找出H分量大小为h的概率或者像素个数，即得到了颜色概率查找表。(3).将图像中每个像素的值用其颜色出现的概率对替换，就得到了颜色概率分布图。这个过程就叫反向投影，颜色概率分布图是一个灰度图像。 2--meanshift meanshift算法是一种密度函数梯度估计的非参数方法，通过迭代寻优找到概率分布的极值来定位目标。 算法过程为： (1).在颜色概率分布图中选取搜索窗W (2).计算零阶距： 计算一阶距： 计算搜索窗的质心： (3).调整搜索窗大小 宽度为；长度为1.2s； (4).移动搜索窗的中心到质心，如果移动距离大于预设的固定阈值，则重复2)3)4)，直到搜 索窗的中心与质心间的移动距离小于预设的固定阈值，或者循环运算的次数达到某一最大值，停止计算。关于meanshift的收敛性证明可以google相关文献。 3--camshift 将meanshift算法扩展到连续图像序列，就是camshift算法。它将视频的所有帧做meanshift 运算，并将上一帧的结果，即搜索窗的大小和中心，作为下一帧meanshift算法搜索窗的初始值。如此迭代下去，就可以实现对目标的跟踪。 算法过程为： (1).初始化搜索窗 (2).计算搜索窗的颜色概率分布（反向投影） (3).运行meanshift算法，获得搜索窗新的大小和位置。 在MFC对话框的控件中显示Opencv摄像头视频+Camshift跟踪算法实现 2010-05-07 16:31 一般用opencv显示视频，都用cvNamedWindow新建窗口，并且在while循环中更新每一帧视频，由于窗口是opencv自己创建的，所以在VC中很难对其进行控制，出于这个目的，希望能将视频显示在VC能够控制的部件中。这里给出一个实例说明如何在MFC对话框的picture控件中显示摄像头视频。 主要步骤为： 1.建立对话框工程并设置对话框布局 注意对话框中间的是picture控件用于显示视频。 2.和console的程序一样，设置opencv库环境，加入opencv头文件，并定义所需要的变量。 3.关键的是这一步，定义CvvImage类型的变量m_CvvImage，这个类型的变量里有函数DrawToHDC能在MFC的控件中显示视频。 还有一个关键的一步是设置定时器timer，MFC中不用while循序来更新每帧视频，取而代之的是在定时器timer的响应函数中实现视频的更新，在本程序中每100毫秒进入一次定时器，定时器响应时间可以更改。 这里给出“打开摄像头”和定时器timer的响应函数。 01void COpencvUIDlgDlg::OnOpencamera() //打开摄像头按钮的响应函数 02{ 03// TODO: Add your control notification handler code here 04m_Video=cvCreateCameraCapture(-1);//打开摄像头 05 06if (!m_Video) 07return; 08 09SetTimer(1,100,NULL);//设置定时器 10} 11 12void COpencvUIDlgDlg::OnTimer(UINT nIDEvent) //定时器的响应函数 13{ 14// TODO: Add your message handler code here and/or call default 15// KillTimer(nIDEvent); 16m_Frame=cvQueryFrame(m_Video);//m_Frame是IplImage指针类型 17m_CvvImage.CopyOf(m_Frame,1);//m_CvvImage是CvvImage类型 18m_CvvImage.DrawToHDC(hDC,&rect); 19//将CvvImage显示在picture控件中,hDC是picture控件的句柄.rect是picture的区域. 20b_flagProcess=1; 21 22CDialog::OnTimer(nIDEvent); 23} 4.加入截图和保存视频功能。 本程序下载地址：https://www.doczj.com/doc/a99150771.html,/source/1617588 --------------------------------------------------------------------------------------------------------------------------------- 可以对本程序进行二次开发，下面实现在上述程序的基础上实现Camshift跟踪算法。 Opencv中自带Camshift跟踪算法的实现（OpenCV\samples\c\camshiftdemo.c），不过是基于console的，在MFC中实现则不能用其本来的鼠标回调函数来定位目标，而要改用MFC的鼠标消息响应函数。 运行结果为： 压缩感知重构算法之正交匹配追踪(OMP) 前面经过几篇的基础铺垫，本篇给出正交匹配追踪(OMP)算法的MATLAB函数代码，并且给出单次测试例程代码、测量数M与重构成功概率关系曲线绘制例程代码、信号稀疏度K与重构成功概率关系曲线绘制例程代码。 0、符号说明如下： 压缩观测y=Φx，其中y为观测所得向量M×1，x为原信号N×1（M< 2、正交匹配追踪(OMP)MATLAB代码(CS_OMP.m) [plain]view plaincopy 1.function [ theta ] = CS_OMP( y,A,t ) 2.%CS_OMP Summary of this function goes here 3.%Version: 1.0 written by jbb0523 @2015-04-18 4.% Detailed explanation goes here 5.% y = Phi * x 6.% x = Psi * theta 7.% y = Phi*Psi * theta 8.% 令 A = Phi*Psi, 则y=A*theta 9.% 现在已知y和A，求theta 10. [y_rows,y_columns] = size(y); 11. if y_rows 压缩感知重构算法之正则化正交匹配追踪(ROMP) 正交匹配追踪算法每次迭代均只选择与残差最相关的一列，自然人们会想：“每次迭代是否可以多选几列呢?”，正则化正交匹配追踪(RegularizedOMP)就是其中一种改进方法。本篇将在上一篇《压缩感知重构算法之正交匹配追踪(OMP)》的基础上给出正则化正交匹配追踪(ROMP)算法的MATLAB函数代码，并且给出单次测试例程代码、测量数M与重构成功概率关系曲线绘制例程代码。 0、符号说明如下： 压缩观测y=Φx，其中y为观测所得向量M×1，x为原信号N×1（M< 我将原子选择过程封装成了一个MATLAB函数，代码如下(Regularize.m)： 1.function [val,pos] = Regularize(product,Kin) 2.%Regularize Summary of this function goes here 3.% Detailed explanation goes here 4.% product = A'*r_n;%传感矩阵A各列与残差的内积 5.% K为稀疏度 6.% pos为选出的各列序号 7.% val为选出的各列与残差的内积值 8.% Reference:Needell D，Vershynin R. Uniform uncertainty principle and 9.% signal recovery via regularized orthogonal matching pursuit. 10.% Foundations of Computational Mathematics, 2009,9(3): 317-334. 11. productabs = abs(product);%取绝对值 12. [productdes,indexproductdes] = sort(productabs,'descend');%降序排列 13. for ii = length(productdes):-1:1 14. if productdes(ii)>1e-6%判断productdes中非零值个数 15. break; 16. end 17. end 18. %Identify:Choose a set J of the K biggest coordinates 19. if ii>=Kin 20. J = indexproductdes(1:Kin);%集合J 21. Jval = productdes(1:Kin);%集合J对应的序列值 22. K = Kin; 23. else%or all of its nonzero coordinates,whichever is smaller 24. J = indexproductdes(1:ii);%集合J 25. Jval = productdes(1:ii);%集合J对应的序列值 26. K = ii; 27. end 28. %Regularize:Among all subsets J0∈J with comparable coordinates 29. MaxE = -1;%循环过程中存储最大能量值 30. for kk = 1:K 31. J0_tmp = zeros(1,K);iJ0 = 1; 32. J0_tmp(iJ0) = J(kk);%以J(kk)为本次寻找J0的基准(最大值) 33. Energy = Jval(kk)^2;%本次寻找J0的能量 34. for mm = kk+1:K 35. if Jval(kk)<2*Jval(mm)%找到符合|u(i)|<=2|u(j)|的 36. iJ0 = iJ0 + 1;%J0自变量增1 37. J0_tmp(iJ0) = J(mm);%更新J0 38. Energy = Energy + Jval(mm)^2;%更新能量 39. else%不符合|u(i)|<=2|u(j)|的 40. break;%跳出本轮寻找，因为后面更小的值也不会符合要求 41. end 42. end 43. if Energy>MaxE%本次所得J0的能量大于前一组 44. J0 = J0_tmp(1:iJ0);%更新J0 45. MaxE = Energy;%更新MaxE，为下次循环做准备 46. end 47. end 48. pos = J0; 49. val = productabs(J0); 70 第31卷 第12期 湖南科技学院学报 V ol.31 No.12 2010年12月 Journal of Hunan University of Science and Engineering Dec.2010 基于改进Camshift 算法的多目标自适应跟踪 曲巨宝 (武夷学院 数学与计算机系，福建 武夷山 354300) 摘 要：针对多目标跟踪中常因目标间遮挡、融合、分离等导致跟踪失败，提出了用动态背景建模技术和RGB 三通道色差法获取目标群组，然后利用Kalman 滤波器预测运动目标初始参量，再用改进的Camshift 算法逐步迭代逼近各个目标精确位置，实现了对多目标的自适应跟踪。经大量实验证明，本算法目标识别能力强，抗噪声性能好，跟踪速度快。 关键词：Camshift ；多目标跟踪；自适应；kalman 中图分类号：TP393 文献标识码：A 文章编号：1673-2219（2010）12-0070-03 运动目标的检测、跟踪是计算机视觉研究的重要内容，被广泛用于智能视觉监控、视频检索等领域。由于运动视频受光线、目标动态变化影响使目标检测和跟踪变得非常困难，尤其对多个运动目标进行同时跟踪，目标间发生遮挡、融合、分离导致跟踪变得异常艰难。文献 [1]提出了基于MeanShift 的多目标粒子滤波跟踪算法设计，但MeanShift 算法不但对抗遮挡能力比较差，而且不具有搜索窗自适应功能；文献[2] 提出用水平集法对多运动目标进行分割；文献[3] 提出用多个摄像机构建系统来处理多个运动目标相互遮挡的问题，但这种系统造价较高且算法复杂，实时性差；本文在研究了多运动目标的颜色特征、运动规律后，使用背景差分法建立动态背景模型，将当前帧同背景帧做差分获得运动目标，通过Kalman 滤波方法对各目标在下一帧的初始位置进行预测后，再调用Camshift 逐次逼近各个目标的精确位置，经实际应用取得了较好的效果。 1 动态背景模型 利用背景差分法建立动态背景模型，以帧间差分法为基础，通过当前帧帧差分的二值图像找到运动区域，对运动区域内的背景保持不变，而非运动区域的背景则用当前帧进行更新，经过一定次数的迭代便可提取出背景。其步骤如下: (1)将序列图像的第一帧图像I 0作为初始背景图像。 (2)计算当前帧k 的帧间差分二值图像BW k ： ???? ?≤?=?otherwise I I BW k k k k 1 ||01τ (1) 其中,I k , I k-1分别为当前帧和上一帧图像，k τ是判断第k 帧是否有变化的阀值(实验中取25) (3)利用二值图像BW k 更新背景B k ： ???????+?==?otherwise B I BW if B B k k k k k 1)1(1αα (2) 其中α为更新系数，取0.2 (4)k=k+1返回到步骤(3)，进行迭代，经过一定次数的迭代后停止迭代，并将此时的Bk 作为背景图像B0 收稿日期：2010－09－20 资助项目：福建省教育厅科技项目（JA09240）、武夷学院智能计算网格科研团队（2009） 作者简介：曲巨宝(1963－)，男，吉林乾安人，副教授，硕士，研究方向为计算机视觉、图形图像、人工智能。 第36卷第6期电子与信息学报 Vol.36No.6 2014年6月 Journal of Electronics & Information Technology Jun. 2014 一种面向信号分类的匹配追踪新方法 王磊* (西安电子科技大学电子工程学院西安710071) 周乐囡姬红兵林琳 摘要：匹配追踪(MP)的主要策略是通过每次迭代时选择一个局部最优解，从而逐步逼近原始信号。然而传统的MP系列算法进行原子匹配时，各类原子集间存在交集，从而影响了原子的表示能力以及相应的分类效果。基于此，该文提出一种适用于信号监督分类的匹配追踪新算法。其原子挑选的准则为：同类信号采用相同的原子集匹配，获取相同的类内表示结构；异类信号选择不同的原子集匹配，从而增强信号的类间差异。示例分析表明，使原子集间相互独立，能够减少异类信号间的共性因素，强化信号间的区分度，从而有利于提升分类识别效果。通过在标准图像库和实测雷达辐射源信号集上的实验表明，较之传统的MP系列方法，所提算法对噪声和遮挡具有更强的鲁棒性。 关键词：匹配追踪；雷达辐射源识别；稀疏表示；特征提取；监督分类 中图分类号：TP391 文献标识码：A 文章编号：1009-5896(2014)06-1299-08 DOI: 10.3724/SP.J.1146.2013.00942 A New Matching Pursuit Algorithm for Signal Classification Wang Lei Zhou Le-nan Ji Hong-bing Lin Lin (School of Electronic Engineering, Xidian University, Xi’an 710071, China) Abstract: The main idea of Matching Pursuit (MP) is to get a local optimal solution by iteration, so as to gradually approach the original signal. To cope with the intersection of different atom sets, which may affect the classification performance of conventional MP methods, a new matching pursuit algorithm is proposed, which is suitable for supervised classification. The criterion for atoms selection consists of two parts. On one hand, by using the same atom set within the class, the intra-class structure of the similar signals is obtained for class-representation; on the other hand, by selecting the atom sets independently for every class, the discrimination ability for different classes could be further strengthened. The analysis on a toy example indicates that this scheme reduces the common factors between different classes and highlights the discrimination between signals, which may boost the performance of signal classification. Finally, the experiments on benchmark image databases and the measured radar emitter signals verify that the proposed algorithm achieves better robustness against noise and occlusion, compared with the convention MP-related methods. Key words: Matching Pursuit (MP); Radar emitter identification; Sparse representation; Feature extraction; Supervised classification 1引言 达稀疏表示又称为稀疏分解，其主要思想是用冗 余函数库取代传统的基函数，构造过完备字典，根据信号的特点，从冗余字典中找到原子数目最少且重构效果最佳的线性组合。作为信号的稀疏表 [14] 。寻找信号的稀疏分解主要有两种途径，一类称为凸松弛算法，虽然能够获得全局最优解，但 2013-07-01收到，2014-01-08改回 国家自然科学基金(61203137)，高等学校博士学科点专项科研基金(20120203120010)和中央高校基本科研业务费专项资金(K5051302011, K5051302039)资助课题 *通信作者：王磊 leiwang@https://www.doczj.com/doc/a99150771.html, 是计算复杂度较高[5]；另一类称为贪婪算法，也叫匹配追踪类算法，其主要思想是通过每次迭代时选择一个局部最优解从而逐步逼近原始信号，由于其简单、高效，对该类方法的研究成为压缩感知领域的一个研究热点。对于这一分支的发展而言，经典的方法包括有：最原始的匹配追踪算法(Matching Pursuit, MP)[6]，正交匹配追踪算法(Orthogonal Matching Pursuit, OMP)[7,8]，正则化正交匹配追踪算法(Regularized OMP, ROMP)[9]，分段匹配追踪算法(Stagewise OMP, StOMP)[10]，压缩采样匹配追踪算法(Comprehensive Sampling Matching Pursuit, CoSaMP)以及子空间追踪算法(Subspace 1. 信号的稀疏表示(sparse representation of signals) 给定一个过完备字典矩阵，其中它的每列表示一种原型信号的原子。给定一个信号y，它可以被表示成这些原子的稀疏线性组合。信号y 可以被表达为y = Dx ，或者 。字典矩阵中所谓过完备性，指的是原子的个数远远大于信号y的长度(其长度很显然是n)，即n< 第6卷第6期2009年12月 CH IN ESE JOU R NA L OF ENG IN EER ING GEO PH YSICS Vo l 16,N o 16Dec 1,2009 文章编号:1672)7940(2009)06)0740)06doi:1013969/j 1issn 11672-7940120091061015 R iker 子波匹配追踪算法及其改进 屈念念,刘江平,李家斌 (中国地质大学地球物理与空间信息学院,武汉430074) 作者简介:屈念念(1986-),女,硕士研究生,主要从事地震数据处理方法研究。E-mail:q120080265@https://www.doczj.com/doc/a99150771.html, 刘江平(1957-),男,教授,博士生导师,主要从事地震勘探的科研与教学工作。E -mail:liujp@https://www.doczj.com/doc/a99150771.html, 摘 要:匹配追踪(M at ching Pursuit)算法的基本思想是基于信号的可分解和重构,是在一个确定的函数集 合中自适应地选择一些函数来表示一个信号的计算过程,函数集合中的每个函数都称为原子。本文利用奇异值分解对传统的匹配追踪算法进行了改进,提高收敛速度、计算速度以及重构精度,并将得到的时频分布与其他方法进行对比,测验结果证明了改进算法的高效性和有效性。 关键词:匹配追踪算法;最小二乘;奇异值分解;时频分布中图分类号:P631 文献标识码:A 收稿日期:2009-11-11 Revised Matching Pursuit Algorithm Using Ricker Wavelets Qu Niannian,Liu Jiangping,Li Jiabin (I nstitute of Geop hy sics and Geomatics ,China Univ er sity of Geosciences ,Wuhan 430074,China) Abstract:T he basic idea of M atching Pur suit algo rithm is based o n the possibility of decom -position and reconstruction of seismic data.It is a pro cess in w hich a series of functions can be chosen fro m a certain functio n set to represent a given sig nal,and the each and every function w ithin the functio n set is called as an atom.This paper uses sing ular value decom -position method to r evise matching pursuit algo rithm,and improv es the speed o f conver -gence and com putation,and then co mpar es the time-frequency distribution of the revised m atching pursuit w ith other m ethods.T he result proves the effectiv eness o f the revised m atching pursuit algo rithm. Key words:matching pursuit alg orithm ;least-square;singular value decomposition;tim e -frequency distr ibution 匹配追踪(M atching Pursuit)算法是在一个确定的函数集合中自适应地选择一些函数来表示一个信号的计算过程,函数集合中的每个函数都称为原子。其核心思想是将信号表示为一系列与信号局部结构特征最佳匹配的时频原子的线性组合,然后求各时频原子的时频分布并将其叠加,得 到信号的时频分布。M P 算法虽然计算复杂度较高,但有很多优良的性质,如对信号自适应的灵活表达,这是传统的傅立叶变化或小波变换[1~4] 所无法比拟的,另外还具有较高的时间)频率分辨率,暂态结构的局部自适应性,信号结构的参数表示更加灵活等优点。Camshift算法原理
在MFC对话框的控件中显示Opencv摄像头视频+Camshift跟踪算法实现
贪婪算法中正交匹配追踪算法OMP的原理及仿真
贪婪算法中ROMP算法的原理介绍及MATLAB仿真
基于改进Camshift算法的多目标自适应跟踪
一种面向信号分类的匹配追踪新方法
mp&omp 匹配追踪 正交匹配追踪
Riker子波匹配追踪算法及其改进
相关主题
文本预览