基于人工魚群算法的信號MP稀疏分解.pdf

1、信號的稀疏分解是一種新興的信號分析與處理方法，具有許多優(yōu)良特性。其中基于匹配追蹤(Matching Pursuit，MP)的信號稀疏分解是目前進行信號稀疏分解的常用算法，在數(shù)據(jù)壓縮、信號特征提取、時頻分析等領域得到了廣泛的應用，但它是一個典型的NP問題，計算復雜度高是其應用的瓶頸。 近年來，具有高度的適應性、魯棒性、并行性以及全局性等特點的群集智能算法吸引了眾多科學領域中的研究人員，并在函數(shù)優(yōu)化、模式識別、圖像處理等中得到廣泛地

2、應用。本文首次將新型算法--人工魚群算法(Artificial Fish-Swarm Algorithm，AFSA)引入到信號的稀疏分解及其相關應用中。該算法具有良好的克服陷入局部極值，獲得全局極值的能力，對初值可隨機地選取，并且算法的實現(xiàn)無需目標函數(shù)的梯度值等特性，故其對搜索求解問題空間具有一定的自適應能力。 文中首先分析了信號稀疏分解及其最常用的算法--MP算法，然后對人工魚群算法的原理、結構、收斂性能、實現(xiàn)方法進行系統(tǒng)的闡

3、述和研究。并對人工魚群算法進行改進，在人工魚群算法覓食行為中增加了吸引因子，使得有更多的人工魚集中在全局極值附近進行搜索。改進算法在保留原算法搜索精度的同時，增大了搜索效率，加快了收斂速度。利用改進人工魚群算法實現(xiàn)了基于MP的信號稀疏分解，給出實驗仿真結果和分析，結果證明改進人工魚群算法能快速尋找MP分解每一步中的最優(yōu)原子，較大地降低了計算量。另外，信號的采集與傳輸過程中，不可避免會受到大量噪聲信號的干擾，因此對信號進行去噪，提取出原始