基于粒子群优化和原子特性的匹配追踪算法
大小：0.37 MB 人气： 2017-12-12 需要积分：3
Mallat和Zhang在小波分析的基础上，于1993年提出信号在过完备原子库上分解的思想。用来表示信号的基，可以通过信号在过完备库上的分解，根据信号本身的特点自适应的选取，得到信号的稀疏表示。由于信号的稀疏表示所具有的优良特性，使其在信号处理领域的研究得到了长足发展。但稀疏分解的计算十分复杂，导致实际应用到信号处理上变得困难。
粒子群优化算法（Particle Swarm Optimization，PSO）源于对鸟类捕食过程的研究，算法通过先初始化一个种群，然后通过不断迭代寻优，实现全局搜索。算法实现简单，需调整参数少，得到了广泛应用。针对稀疏分解计算复杂问题，本文在MP算法进行信号稀疏分解过程中，用粒子群优化算法进行原子寻优，结合原子特性，有效克服了稀疏分解计算量大的问题。
非常好我支持^.^
(0) 0%
不好我反对
(0) 0%
下载地址
基于粒子群优化和原子特性的匹配追踪算法下载
相关电子资料下载
- 粒子群优化算法PSO优化模糊控制论域 863
- 基于机器视觉的典型多目标追踪算法应用实践 1188
- OpenCV中八种不同的目标追踪算法 984
- Python的自动追踪算法 1087
- 剖析正交匹配追踪算法的优化设计与FPGA实现 2078
- 不同拓扑结构的并行粒子群优化算法如何去实现？ 3131
- 凌感手势追踪算法与诠视视觉模组结合,加速手势识别在VR/AR中的应用 8880
- 使用改进粒子群优化算法的FIR数字滤波器设计 3580
- OpenCV上八种不同的目标追踪算法 31961
- 光线追踪算法汇总 16922