基于粒子群優化和原子特性的匹配追蹤算法
大小：0.37 MB 人氣： 2017-12-12 需要積分：3
Mallat和Zhang在小波分析的基礎上，于1993年提出信號在過完備原子庫上分解的思想。用來表示信號的基，可以通過信號在過完備庫上的分解，根據信號本身的特點自適應的選取，得到信號的稀疏表示。由于信號的稀疏表示所具有的優良特性，使其在信號處理領域的研究得到了長足發展。但稀疏分解的計算十分復雜，導致實際應用到信號處理上變得困難。
粒子群優化算法（Particle Swarm Optimization，PSO）源于對鳥類捕食過程的研究，算法通過先初始化一個種群，然后通過不斷迭代尋優，實現全局搜索。算法實現簡單，需調整參數少，得到了廣泛應用。針對稀疏分解計算復雜問題，本文在MP算法進行信號稀疏分解過程中，用粒子群優化算法進行原子尋優，結合原子特性，有效克服了稀疏分解計算量大的問題。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
基于粒子群優化和原子特性的匹配追蹤算法下載
相關電子資料下載
- 粒子群優化算法PSO優化模糊控制論域 863
- 基于機器視覺的典型多目標追蹤算法應用實踐 1188
- OpenCV中八種不同的目標追蹤算法 984
- Python的自動追蹤算法 1087
- 剖析正交匹配追蹤算法的優化設計與FPGA實現 2078
- 不同拓撲結構的并行粒子群優化算法如何去實現？ 3131
- 凌感手勢追蹤算法與詮視視覺模組結合,加速手勢識別在VR/AR中的應用 8880
- 使用改進粒子群優化算法的FIR數字濾波器設計 3580
- OpenCV上八種不同的目標追蹤算法 31961
- 光線追蹤算法匯總 16922