基于智能優(yōu)化算法的壓縮感知重構(gòu)算法的研究.pdf

1、隨著社會信息化的不斷推進，電子技術(shù)也得到了迅速發(fā)展，性能越來越完善的傳感器可以提供給系統(tǒng)各種信息豐富的數(shù)據(jù)，越來越多的數(shù)據(jù)不斷沖擊著各個領(lǐng)域，如何更簡潔、更有效地表達這些海量數(shù)據(jù)已然成為了一個公眾性的問題。
　　壓縮感知理論的誕生，可以大大減輕數(shù)據(jù)的存儲和傳輸端的負擔。該理論對采集和壓縮過程進行了合并，為數(shù)據(jù)采集和處理提供了一個新穎的方法。智能優(yōu)化算法可以利用經(jīng)驗性的信息和精細的局部搜索能力，可以更好地解決最優(yōu)化問題，而粒子群優(yōu)化

2、算法是較常用的智能優(yōu)化算法，擁有操作簡潔、易于編碼、參數(shù)少等眾多優(yōu)點。由于壓縮感知理論的重構(gòu)算法屬于求解最優(yōu)化問題，因此，本文主要從粒子群優(yōu)化算法入手，對幾種典型匹配追蹤算法進行優(yōu)化和改進。
　　主要研究內(nèi)容如下：
　?。?）對貪婪算法進行研究，詳細總結(jié)了目前比較典型的幾種匹配追蹤算法，分別對這些算法的特點以及步驟流程進行了詳細的匯總，通過仿真實驗，對比分析算法。
　　（2）分段正交匹配追蹤算法和稀疏自適應(yīng)匹配追蹤算法

3、的參數(shù)，若設(shè)置不合理，并不能使算法達到最佳的重構(gòu)效果。針對這兩種算法的重構(gòu)效果容易受到參數(shù)影響的問題，利用粒子群優(yōu)化算法求解最優(yōu)參數(shù)，提升這兩種算法的性能，并給出了優(yōu)化過程的流程圖。最后通過大量的仿真實驗，驗證了優(yōu)化方案的可行性。
　?。?）針對壓縮采樣匹配追蹤算法提出了一種比較新穎的改進方法，由于目前大多數(shù)對壓縮采樣匹配追蹤算法的改進方法，主要是針對選擇最佳匹配原子的過程進行改進，而算法通過多次迭代逐漸逼近得到的解，一般不是最優(yōu)