部分加权随机选取策略的稀疏恢复方法及系统

    公开(公告)号:CN116975517B

    公开(公告)日:2024-01-05

    申请号:CN202311218518.8

    申请日:2023-09-21

    Applicant: 暨南大学

    Abstract: 本发明公开一种部分加权随机选取策略的稀疏恢复方法及系统,该方法包括以下步骤:S1,以欠定线性系统为目标,模拟生成大规模的稀疏信号和对应的感知矩阵,从稀疏信号中随机选取预设个数的元素保留原始值,并将其他元素的值归零,根据稀疏信号和感知矩阵计算观测信号;S2,采用部分加权随机选取策略代替OMP算法中原始选取索引的贪婪方法,计算得到稀疏信号估计值。本发明的有益效果是:通过采用部分加权随机选取策略减少迭代过程中因计算相关性而导致的大量计算消耗,利用随机方法寻找次优解,同时保证了算法的可靠性,并且能够实现加速压缩感知中稀疏信号恢复算法的目的。(56)对比文件Zhe Wang et.al.Compressed SensingMethod for Health Monitoring of PipelinesBased on Guided Wave Inspection《.IEEETRANSACTIONS ON INSTRUMENTATION ANDMEASUREMENT》.2020,第4722-4732页.

    部分加权随机选取策略的稀疏恢复方法及系统

    公开(公告)号:CN116975517A

    公开(公告)日:2023-10-31

    申请号:CN202311218518.8

    申请日:2023-09-21

    Applicant: 暨南大学

    Abstract: 本发明公开一种部分加权随机选取策略的稀疏恢复方法及系统,该方法包括以下步骤:S1,以欠定线性系统为目标,模拟生成大规模的稀疏信号和对应的感知矩阵,从稀疏信号中随机选取预设个数的元素保留原始值,并将其他元素的值归零,根据稀疏信号和感知矩阵计算观测信号;S2,采用部分加权随机选取策略代替OMP算法中原始选取索引的贪婪方法,计算得到稀疏信号估计值。本发明的有益效果是:通过采用部分加权随机选取策略减少迭代过程中因计算相关性而导致的大量计算消耗,利用随机方法寻找次优解,同时保证了算法的可靠性,并且能够实现加速压缩感知中稀疏信号恢复算法的目的。

    一种基于动态递增阈值选取策略的信号重构方法、系统及设备

    公开(公告)号:CN119921783A

    公开(公告)日:2025-05-02

    申请号:CN202510002706.X

    申请日:2025-01-02

    Applicant: 暨南大学

    Abstract: 本申请涉及一种基于动态递增阈值选取策略的信号重构方法、系统及设备,涉及压缩感知信号处理技术领域,该方法包括:获取低维观测信号,根据损失函数的梯度对低维观测信号进行估计,得到估计信号,然后利用递增函数,结合迭代次数和预设的稀疏度进行阈值操作,得到迭代相关的动态阈值,进而将动态阈值应用于算法步骤,对估计信号的迭代更新,直到达到迭代更新终止条件,得到从低维观测信号中重构出的目标信号,该目标信号即为重构出的稀疏信号,本申请提高了对数据处理的效率和准确性,能够有效地应用自适应阈值算法更好地适应信号结构,提高算法恢复信号的准确性和可靠性。

    基于Cholesky分解加速的误差修正方法的稀疏信号恢复方法和系统

    公开(公告)号:CN118399977B

    公开(公告)日:2024-09-03

    申请号:CN202410822992.X

    申请日:2024-06-25

    Applicant: 暨南大学

    Abstract: 本发明公开了一种基于Cholesky分解加速及误差修正的稀疏信号恢复方法和系统,涉及通信信号处理技术领域,其方法包括建立稀疏恢复模型;接收观测信号,利用稀疏恢复模型将观测信号重构为真实稀疏信号;将最后一次迭代中获得的估计稀疏信号输出作为真实稀疏信号。其中,利用Cholesky分解加速的误差修正方法来加快信号重构过程、提高信号重构精度,实现了提高恢复稀疏信号恢复的性能的目的。

    基于Cholesky分解加速的误差修正方法的稀疏信号恢复方法和系统

    公开(公告)号:CN118399977A

    公开(公告)日:2024-07-26

    申请号:CN202410822992.X

    申请日:2024-06-25

    Applicant: 暨南大学

    Abstract: 本发明公开了一种基于Cholesky分解加速及误差修正的稀疏信号恢复方法和系统,涉及通信信号处理技术领域,其方法包括建立稀疏恢复模型;接收观测信号,利用稀疏恢复模型将观测信号重构为真实稀疏信号;将最后一次迭代中获得的估计稀疏信号输出作为真实稀疏信号。其中,利用Cholesky分解加速的误差修正方法来加快信号重构过程、提高信号重构精度,实现了提高恢复稀疏信号恢复的性能的目的。

Patent Agency Ranking