利用禁忌遗传和原子特性实现信号稀疏分解

doi:10.3778/j.issn.1002-8331.2009.11.043

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (11): 142-144.DOI: 10.3778/j.issn.1002-8331.2009.11.043

• 数据库、信号与信息处理 • 上一篇下一篇

利用禁忌遗传和原子特性实现信号稀疏分解

袁志刚,舒维杰,尹忠科,王建英

西南交通大学信息科学与技术学院，成都 610031

收稿日期:2008-02-26 修回日期:2008-05-12 出版日期:2009-04-11 发布日期:2009-04-11
通讯作者: 袁志刚

Signal sparse decomposition based on TS and GA and atom property

YUAN Zhi-gang,SHU Wei-jie,YING Zhong-ke,WANG Jian-ying

School of Information Science & Technology，Southwest Jiaotong University，Chengdu 610031，China

Received:2008-02-26 Revised:2008-05-12 Online:2009-04-11 Published:2009-04-11
Contact: YUAN Zhi-gang

摘要/Abstract

摘要： 阻碍信号稀疏分解运用于信号处理产业化的主要原因，是由于信号的稀疏分解的计算量十分巨大。利用基于Matching Pursuit（MP）方法实现的信号稀疏分解算法，采用遗传算法（GA）和禁忌搜索（TS）相结合，快速寻找MP过程中每一步分解的最佳原子，最后再利用原子的特性进一步的优化。实验结果表明，该算法提高了信号每一步MP分解中寻找最佳原子的能力，并由此提高了信号稀疏分解的速度。

关键词: 信号处理, 稀疏分解, Matching Pursuit（MP）方法, 遗传算法, 禁忌搜索, 原子特性

Abstract: Sparse decomposition hampered signal applied to signal processing in industrial production is mainly due to the sparse signal decomposition very huge amount of computation large.Based on the Matching Pursuit（MP） method signal sparse decomposition algorithm，Genetic Algorithm（GA） and Tabu Search（TS），which combines quick find MP process every step of the best atomic decomposition.Finally，the use of atomic properties further optimization.Experimental results show that the proposed algorithm enhances the signal in each step of decomposition MP for the best possible atomic capabilities，and improve the speed of decomposition sparse.

Key words: signal processing, sparse decomposition, Matching Pursuit（MP）, Genetic Algorithms（GA）, Tabu Search（TS）, Atom Property

袁志刚,舒维杰,尹忠科,王建英. 利用禁忌遗传和原子特性实现信号稀疏分解[J]. 计算机工程与应用, 2009, 45(11): 142-144.

YUAN Zhi-gang,SHU Wei-jie,YING Zhong-ke,WANG Jian-ying. Signal sparse decomposition based on TS and GA and atom property[J]. Computer Engineering and Applications, 2009, 45(11): 142-144.

[1]	林荣来，汤冰影，陈明. 适用于轴承故障诊断的数据增强算法[J]. 计算机工程与应用, 2021, 57(7): 269-278.
[2]	李昱奇，刘志乾，程凝怡，王莹莹，朱春丽. 多约束条件下无人机航迹规划[J]. 计算机工程与应用, 2021, 57(4): 225-230.
[3]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[4]	许德刚，李凡，王露，郭奕欣，邢奎杰，梁腾翔. 优化烟花算法在医疗物资应急调度中的应用[J]. 计算机工程与应用, 2021, 57(24): 249-258.
[5]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[6]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[7]	曹立佳，刘洋. 制造车间自动导引车调度新进展[J]. 计算机工程与应用, 2021, 57(21): 59-67.
[8]	陈倩茹，李雅丽，许科全，刘铱龙，王淑琴. 自调优自适应遗传算法的WKNN特征选择方法[J]. 计算机工程与应用, 2021, 57(20): 164-171.
[9]	石宇强，田永政，张雨琦，石小秋. 运用含复杂网络结构的多种群遗传算法求解FJSP[J]. 计算机工程与应用, 2021, 57(2): 257-266.
[10]	代江涛，韩晓龙. 考虑作业状态能耗的集装箱码头设备协调调度[J]. 计算机工程与应用, 2021, 57(19): 290-298.
[11]	姜良重，雷航，李贞昊，钱伟中，施甘图. 采用自适应优化权重的出库货位优化方法研究[J]. 计算机工程与应用, 2021, 57(15): 271-278.
[12]	贺娇，谭代伦. 基于视野范围和遗传算法的三维地形路径规划[J]. 计算机工程与应用, 2021, 57(15): 279-285.
[13]	冯晓东，黄世荣，戴冠鸥，杨伟家，罗尧治. 天牛须遗传杂交算法的研究与应用[J]. 计算机工程与应用, 2021, 57(15): 90-100.
[14]	苏庆，林华智，黄剑锋，林志毅. 结合CNN和Catboost算法的恶意安卓应用检测模型[J]. 计算机工程与应用, 2021, 57(15): 140-146.
[15]	王秀丽，周鹏，侯静楠，王仕俊，林霞. 面向变电站机器人巡检路径规划中的算法研究[J]. 计算机工程与应用, 2021, 57(14): 245-250.

利用禁忌遗传和原子特性实现信号稀疏分解

Signal sparse decomposition based on TS and GA and atom property

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics