本文選題：信號采樣　切入點：壓縮感知　出處：《信號處理》2017年04期 　論文類型：期刊論文

【摘要】：在稀疏信號處理中,壓縮感知能夠用較低的采樣頻率對稀疏信號進行壓縮采樣,而信號重建的問題則可歸結(jié)為一個最優(yōu)化問題,并可采用粒子群算法進行求解。針對壓縮感知問題,本文對傳統(tǒng)的粒子群算法進行了深入的分析和改進,得到了粒子數(shù)目的下界,并提出了三維環(huán)形鄰域結(jié)構(gòu)和多群協(xié)作機制,依此建立了有效的壓縮感知重建方法,且將其應用于二維稀疏信號的重建。最后,本文通過在模擬和真實數(shù)據(jù)上實驗結(jié)果驗證了這種新型壓縮感知方法的有效性和優(yōu)越性。
[Abstract]:In sparse signal processing, compression sensing can compress and sample sparse signals at a lower sampling frequency, and the problem of signal reconstruction can be reduced to an optimization problem. Particle swarm optimization algorithm can be used to solve the problem. In this paper, the traditional particle swarm optimization algorithm is deeply analyzed and improved, and the lower bound of particle number is obtained, and the three-dimensional ring neighborhood structure and multi-group cooperation mechanism are proposed. Based on this, an effective compression sensing reconstruction method is established and applied to the reconstruction of two-dimensional sparse signals. Finally, the effectiveness and superiority of the new compression sensing method are verified by the experimental results on the simulation and real data.
【作者單位】： 北京大學數(shù)學科學學院信息科學系和數(shù)學及其應用教育部重點實驗室;
【基金】：國家自然科學基金(61171138)資助
【分類號】：TP18

【相似文獻】

相關(guān)期刊論文 前10條

1 秦玉靈;孔憲仁;羅文波;;混沌量子粒子群算法在模型修正中的應用[J];計算機工程與應用;2010年02期

2 陳治明;;新型量子粒子群算法及其性能分析研究[J];福建電腦;2010年05期

3 牛永潔;;一種新型的混合粒子群算法[J];信息技術(shù);2010年10期

4 全芙蓉;;粒子群算法的理論分析與研究[J];硅谷;2010年23期

5 劉衍民;趙慶禎;邵增珍;;一種改進的完全信息粒子群算法研究[J];曲阜師范大學學報(自然科學版);2011年01期

6 朱童;李小凡;魯明文;;位置加權(quán)的改進粒子群算法[J];計算機工程與應用;2011年05期

7 熊智挺;譚陽紅;易如方;陳賽華;;一種并行的自適應量子粒子群算法[J];計算機系統(tǒng)應用;2011年08期

8 孟純青;;非線性粒子群算法[J];微計算機應用;2011年08期

9 任偉建;武璇;;一種動態(tài)改變學習因子的簡化粒子群算法[J];自動化技術(shù)與應用;2012年10期

10 劉飛,孫明,李寧,孫德寶,鄒彤;粒子群算法及其在布局優(yōu)化中的應用[J];計算機工程與應用;2004年12期

相關(guān)會議論文 前10條

1 朱童;李小凡;魯明文;;位置加權(quán)的改進粒子群算法[A];中國科學院地質(zhì)與地球物理研究所第11屆（2011年度）學術(shù)年會論文集(上)[C];2012年

2 陳定;何炳發(fā);;一種新的二進制粒子群算法在稀疏陣列綜合中的應用[A];2009年全國天線年會論文集（上）[C];2009年

3 陳龍祥;蔡國平;;基于粒子群算法的時滯動力學系統(tǒng)的時滯辨識[A];第十二屆全國非線性振動暨第九屆全國非線性動力學和運動穩(wěn)定性學術(shù)會議論文集[C];2009年

4 于穎;李永生;於孝春;;新型離散粒子群算法在波紋管優(yōu)化設計中的應用[A];第十一屆全國膨脹節(jié)學術(shù)會議膨脹節(jié)設計、制造和應用技術(shù)論文選集[C];2010年

5 劉卓倩;顧幸生;;一種基于信息熵的改進粒子群算法[A];系統(tǒng)仿真技術(shù)及其應用（第7卷）——'2005系統(tǒng)仿真技術(shù)及其應用學術(shù)交流會論文選編[C];2005年

6 熊偉麗;徐保國;;粒子群算法在支持向量機參數(shù)選擇優(yōu)化中的應用研究[A];2007中國控制與決策學術(shù)年會論文集[C];2007年

7 方衛(wèi)華;徐蘭玉;陳允平;;改進粒子群算法在大壩力學參數(shù)分區(qū)反演中的應用[A];2012年中國水力發(fā)電工程學會大壩安全監(jiān)測專委會年會暨學術(shù)交流會論文集[C];2012年

8 熊偉麗;徐保國;;單個粒子收斂中心隨機攝動的粒子群算法[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

9 馬向陽;陳琦;;以粒子群算法求解買賣雙方存貨主從對策[A];第十二屆中國管理科學學術(shù)年會論文集[C];2010年

10 趙磊;;基于粒子群算法求解多目標函數(shù)優(yōu)化問題[A];第二十一屆中國（天津）’2007IT、網(wǎng)絡、信息技術(shù)、電子、儀器儀表創(chuàng)新學術(shù)會議論文集[C];2007年

相關(guān)博士學位論文 前10條

1 李慶偉;粒子群算法及電廠若干問題的研究[D];東南大學;2016年

2 杜毅;多階段可變批生產(chǎn)線重構(gòu)的研究[D];廣東工業(yè)大學;2016年

3 尹浩;求解Web服務選取問題的粒子群算法研究[D];東北大學;2014年

4 王芳;粒子群算法的研究[D];西南大學;2006年

5 安鎮(zhèn)宙;家庭粒子群算法及其奇偶性與收斂性分析[D];云南大學;2012年

6 劉建華;粒子群算法的基本理論及其改進研究[D];中南大學;2009年

7 黃平;粒子群算法改進及其在電力系統(tǒng)的應用[D];華南理工大學;2012年

8 胡成玉;面向動態(tài)環(huán)境的粒子群算法研究[D];華中科技大學;2010年

9 張靜;基于混合離散粒子群算法的柔性作業(yè)車間調(diào)度問題研究[D];浙江工業(yè)大學;2014年

10 張寶;粒子群算法及其在衛(wèi)星艙布局中的應用研究[D];大連理工大學;2007年

相關(guān)碩士學位論文 前10條

1 張忠偉;結(jié)構(gòu)優(yōu)化中粒子群算法的研究與應用[D];大連理工大學;2009年

2 李強;基于改進粒子群算法的艾薩爐配料優(yōu)化[D];昆明理工大學;2015年

3 付曉艷;基于粒子群算法的自調(diào)節(jié)隸屬函數(shù)模糊控制器設計[D];河北聯(lián)合大學;2014年

4 余漢森;粒子群算法的自適應變異研究[D];南京信息工程大學;2015年

5 梁計鋒;基于改進粒子群算法的交通控制算法研究[D];長安大學;2015年

6 楊偉;基于粒子群算法的氧樂果合成過程建模研究[D];鄭州大學;2015年

7 李程;基于粒子群算法的AS/RS優(yōu)化調(diào)度方法研究[D];陜西科技大學;2015年

8 樊偉健;基于混合混沌粒子群算法求解變循環(huán)發(fā)動機數(shù)學模型問題[D];山東大學;2015年

9 陳百霞;考慮風電場并網(wǎng)的電力系統(tǒng)無功優(yōu)化[D];山東大學;2015年

10 戴玉倩;基于混合動態(tài)粒子群算法的軟件測試數(shù)據(jù)自動生成研究[D];江西理工大學;2015年

，

本文編號：1587498