本文關(guān)鍵詞：改進(jìn)人工魚群的超聲調(diào)制光學(xué)信號(hào)稀疏分解

  更多相關(guān)文章： 人工魚群 最優(yōu)原子 稀疏分解

【摘要】：傳統(tǒng)方法在對(duì)超聲調(diào)制光學(xué)信號(hào)進(jìn)行稀疏分解的過(guò)程中,存在耗時(shí)長(zhǎng)、收斂性差等不足,提出改進(jìn)人工魚群的超聲調(diào)制光學(xué)信號(hào)稀疏分解方法,構(gòu)建人工魚群搜索優(yōu)化模型,模擬魚群行為搜索最佳原子;針對(duì)人工魚群搜索特點(diǎn),改進(jìn)魚群分布的初值和行為,快速尋找和匹配跟蹤過(guò)程中每一步信號(hào)分解的最優(yōu)原子,提高方法的收斂速度和穩(wěn)定性,最終實(shí)現(xiàn)超聲調(diào)制光學(xué)信號(hào)的稀疏分解。實(shí)驗(yàn)證明提出的方法對(duì)光學(xué)信號(hào)分解速度快、全局收斂性好、魯棒性強(qiáng)。
【作者單位】： 周口師范學(xué)院物理與電信工程學(xué)院;
【關(guān)鍵詞】： 人工魚群 最優(yōu)原子 稀疏分解
【基金】：河南省科技廳科技攻關(guān)項(xiàng)目(142102210599;132102210577)
【分類號(hào)】：TN911.7
【正文快照】： 超聲調(diào)制光學(xué)技術(shù)有效地融合超聲和激光的優(yōu)點(diǎn),克服了傳統(tǒng)超聲方法圖像反差不足和單純激光信號(hào)空間分辨率差的缺點(diǎn),被廣泛地應(yīng)用于光聲成像和醫(yī)學(xué)檢測(cè)等領(lǐng)域。超聲調(diào)制光學(xué)信號(hào)中摻雜著大量的噪聲干擾和缺陷信息,給后續(xù)的信號(hào)處理帶來(lái)較大難度。傳統(tǒng)的光學(xué)信號(hào)分解方法多建立

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 邵君;尹忠科;王建英;張躍飛;;信號(hào)稀疏分解中過(guò)完備原子庫(kù)的集合劃分[J];鐵道學(xué)報(bào);2006年01期

2 徐帥;趙云龍;張江泉;;基于模擬退火的信號(hào)稀疏分解研究[J];通信技術(shù);2008年11期

3 袁志剛;舒維杰;尹忠科;王建英;;利用禁忌遺傳和原子特性實(shí)現(xiàn)信號(hào)稀疏分解[J];計(jì)算機(jī)工程與應(yīng)用;2009年11期

4 李炳杰;馬青海;閆龍;;基于位置參數(shù)二分法控制的信號(hào)稀疏分解[J];空軍工程大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年05期

5 劉丹華;石光明;周佳社;;一種冗余字典下的信號(hào)稀疏分解新方法[J];西安電子科技大學(xué)學(xué)報(bào);2008年02期

6 余付平;馮有前;高大化;安芹力;;聯(lián)合過(guò)完備庫(kù)下的信號(hào)稀疏分解[J];控制與決策;2012年08期

7 雷偉敏;;基于信號(hào)稀疏分解的毫米波主動(dòng)探測(cè)[J];信息化研究;2012年03期

8 程村;;廣義高斯核模型在心電信號(hào)稀疏分解中的應(yīng)用[J];工程地球物理學(xué)報(bào);2012年06期

9 王春光;徐安鳳;孫即祥;王紅;;粒子群優(yōu)化在心電信號(hào)稀疏分解中的應(yīng)用[J];計(jì)算機(jī)工程與設(shè)計(jì);2008年16期

10 郭建濤;劉洋;劉瑞杰;;基于追蹤算法的信號(hào)稀疏分解方法[J];電聲技術(shù);2014年06期

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 李新紅;信號(hào)稀疏分解及其在路面輪廓信號(hào)處理中的應(yīng)用研究[D];哈爾濱工業(yè)大學(xué);2009年

2 沈益青;基于改進(jìn)的匹配追蹤算法的信號(hào)稀疏分解[D];浙江大學(xué);2013年

3 朱俊學(xué);基于信號(hào)稀疏分解的圖像壓縮編碼算法的研究[D];天津理工大學(xué);2012年

4 房小娟;基于種群優(yōu)化的稀疏分解算法研究[D];北京工業(yè)大學(xué);2013年

5 王崢嶸;基于MP的信號(hào)稀疏分解的算法研究[D];蘭州大學(xué);2010年

6 陳磊;信號(hào)稀疏分解在空間譜估計(jì)中的應(yīng)用[D];西南交通大學(xué);2006年

7 袁志剛;基于聯(lián)合智能算法和MP的信號(hào)稀疏分解[D];西南交通大學(xué);2009年

8 邵君;基于MP的信號(hào)稀疏分解算法研究[D];西南交通大學(xué);2006年

9 高小滿;信號(hào)稀疏分解的快速GAMP算法與高斯核結(jié)構(gòu)字典設(shè)計(jì)[D];華南理工大學(xué);2012年

10 楊勝利;基于FFT的信號(hào)MP分解改進(jìn)算法研究[D];西南交通大學(xué);2010年

，

本文編號(hào)：1073373