基于壓縮感知的重構(gòu)算法研究.pdf

1、壓縮感知是一個(gè)全新的采樣理論，它充分利用信號的稀疏性，在遠(yuǎn)小于Nyquist采樣率的條件下，用隨機(jī)采樣矩陣獲取樣本信號，然后通過非線性重構(gòu)算法進(jìn)行信號的完美重建。壓縮感知理論主要應(yīng)用在信息論、圖像處理、模式識別、無線通信等領(lǐng)域。
　　信號重構(gòu)算法計(jì)算量通常很大，難以滿足實(shí)時(shí)性的要求，而智能算法解決非線性優(yōu)化問題有巨大的優(yōu)勢。本論文研究了部分智能算法，并將以O(shè)MP算法為代表的重構(gòu)算法與智能算法進(jìn)行融合，分別提出了人工蜂群算法、自適應(yīng)

2、量子遺傳算法與OMP算法的融合算法。具體地，本論文主要研究工作及貢獻(xiàn)如下：
　　1、針對信號稀疏分解問題，本論文改進(jìn)人工蜂群算法的迭代終止條件，克服了傳統(tǒng)的迭代終止條件難以選擇合適迭代終止閾值的問題，并且提出了人工蜂群算法與OMP算法的融合ABC-OMP算法。實(shí)驗(yàn)結(jié)果表明本文算法對信號的稀疏分解質(zhì)量與粒子群算法和遺傳算法相當(dāng)，但運(yùn)算速度均優(yōu)于粒子群算法和遺傳算法。
　　2、在基于量子位Bloch坐標(biāo)的量子遺傳算法的基礎(chǔ)上，本

3、論文提出一種自適應(yīng)Bloch球面的量子遺傳算法，該算法按兩種方式自適應(yīng)的選取Bloch球面的一部分進(jìn)行搜索，并在理論上證明了這兩種選取方式都能夠包含所求連續(xù)優(yōu)化問題的所有可行解。在對選取的Bloch球面進(jìn)行搜索時(shí)，提出了近似等面積搜索的方法，進(jìn)而推導(dǎo)出兩個(gè)相位轉(zhuǎn)角大小之間的反比例關(guān)系。實(shí)驗(yàn)表明該算法在搜索能力方面與基于量子位Bloch坐標(biāo)的量子遺傳算法基本相當(dāng)，但優(yōu)化效率方面有明顯提高。最后將該算法與OMP算法融合成ABQGA-OMP算