导读:本文包含了子空间追踪论文开题报告文献综述及选题提纲参考文献，主要关键词:高光谱图像,高光谱解混,稀疏解混,贪婪算法
子空间追踪论文文献综述
孔繁锵,朱成,徐诚,周永波[1]（2019）在《空间相关性约束联合子空间追踪的高光谱图像稀疏解混》一文中研究指出通过深入分析高光谱图像空间相邻数据之间的空间相关性,提出一种利用空间相关性进行约束的联合子空间追踪解混(Spatial correlation constrained simultaneous subspace pursuit,SCCSSP)方法。该方法首先基于分块思想将高光谱图像进行分块处理,然后在图像块的端元提取步骤中,结合空间相关性特征对端元的提取进行约束,从而确保当前端元支撑集相对于高光谱图像残差是最优的。在丰度估计中将图像块的端元集合合并作为整幅图像的端元支撑集,通过求解非负性约束的最小二乘法获得丰度重建图像。模拟图像数据实验结果表明,本文方法在同等条件下能够获得更高的信号重构误差,且解混运算时间低于凸优化算法。在实际图像数据实验中,本文方法丰度图像稀疏度最低,取得了仅次于SUnSAL-TV算法的图像重建误差,其所得到的丰度重建图像也取得了更好的视觉效果。实验结果验证了本文方法具有更高的解混精度。(本文来源于《南京航空航天大学学报》期刊2019年05期）
荣光李,黄尉[2]（2019）在《基于子空间追踪算法的稀疏子空间聚类》一文中研究指出稀疏子空间聚类是处理高维数据聚类的有效途径,而相似度矩阵的构造是稀疏子空间聚类的关键一步。文章引入子空间追踪算法来构造相似度矩阵,并由此给出了保证特征选择和特征再选择的充分条件。数值实验表明,子空间追踪算法所选择的原子相比经典的正交匹配追踪算法,其选择的原子更具代表性,精确特征选择率更高,聚类误差也得到了保留甚至更低。(本文来源于《合肥工业大学学报(自然科学版)》期刊2019年07期）
杜力,张国华,刘文龙[3]（2019）在《基于子空间追踪的广义空间调制系统检测算法》一文中研究指出广义空间调制(Generalized spatial modulation,简称GSM)技术在通信领域内受到了广泛的关注。在多输入多输出天线系统中,该技术仅激活部分天线,利用激活天线索引序号和天线上调制符号组合共同传输数据。众所周知,最大似然(Maximum Likelihood,简称ML)检测算法能够实现最优的检测性能。然而,随着发射天线数目的增加或者采用高阶调制方式,ML检测需要极高的计算复杂度,导致其无法在实际中应用。考虑到GSM信号的稀疏特性,文章将压缩感知理论应用于GSM系统的信号检测中,提出了一种低复杂度的基于子空间追踪的广义空间调制系统(SP-based)检测算法。仿真结果表明,所提出的检测算法较ML算法能够极大的降低计算复杂度,并实现较好的检测性能。(本文来源于《山西大学学报(自然科学版)》期刊2019年04期）
王可心,韩太林,高杨,王啸[4]（2019）在《基于改进子空间追踪算法的冲击波信号采集》一文中研究指出工程实践中采集冲击波信号时须保持较高采样率,且对信号的重构效果要求较高。针对以上问题,将压缩感知理论用于冲击波信号测试,并针对重构算法中的子空间追踪算法进行改进,引入正交匹配追踪算法选择原子的思想来构建初始支撑集,从而降低采样率和提高信号重构效果。在5psi和50psi传感器实测冲击波信号上的实验结果表明,本文算法与未改进前的SP算法相比具有更好的重构效果,重构误差减小,算法运行效率提高70%。(本文来源于《长春理工大学学报(自然科学版)》期刊2019年01期）
孙润润[5]（2019）在《基于稀疏度区间的变步长最优子空间追踪算法》一文中研究指出针对压缩感知逐步最优子空间算法(stepwise optimal subspace pursuit,SOSP)在迭代过程中使用固定步长和稀疏度未知的问题,提出一种基于稀疏度区间的变步长最优子空间追踪算法。该算法首先是在SOSP最优扩增缩减方法的基础之上根据匹配测试公式获取初始固定步长,再使用增删迭代公式,在假定支撑集的增加过程中根据信号残差能量的变化判断稀疏度的区间。最后在稀疏度区间中使用黄金分割法(golden ratio)逐渐减小区间得出信号稀疏度,并在区间分割的过程中逐渐删减假定支撑集中多余的元素,最终重构原始稀疏信号。实验结果表明,对于一维信号重建实验,在不同的稀疏度和测量值下,与同类算法相比,该算法都能够很好地重建原始信号且重构误差小。对于二维图像重建实验,图像重建精度较高且有很好的视觉效果。(本文来源于《计算机技术与发展》期刊2019年02期）
倪浩轩[6]（2018）在《基于多路径子空间追踪的激发荧光断层重建的研究》一文中研究指出激发荧光断层成像(Fluorescence Molecular Tomography,FMT)是当前光学分子影像研究中的一大重要的技术。激发荧光断层重建技术被逐渐应用于预临床研究中,它可以获得小鼠活体内的肿瘤叁维重建结果。然而,:FMT问题的不适定性、计算规模大等缺点使得重建问题是一个具有挑战性的问题。因此需要开发更加有效、鲁棒和精确的重建方法来解决FMT的重建问题。本文针对FMT实际问题对于重建精度和鲁棒性有着特定的标准要求,设计了利用L1正则化的稀疏约束进行激发荧光断层重建的实验研究。然后从重建精度、重建耗时和重建鲁棒性来评估和评判重建的性能是否达到FMT实际重建问题的要求。本文的主要贡献如下:提出了一种基于多路径子空间追踪的激发荧光断层重建方法,该方法把基于及范数正则化的问题看作是基追踪问题。算法输入需要一个稀疏度因子,这个因子通常是根据经验值来预设,然后通过二进制编码的原则扩充不同的支撑集,每个支撑集由不同的原子构成。在迭代结束后通过评估每一个支撑集所形成的重建结果的残差,选择一个最优的支撑集来应用于FMT重建。此外该方法在重建迭代的过程中,继承了子空间追踪方法的回溯和子空间投影技术使得求解FMT重建问题更加的简略化。为了验证提出的重建方法的适用性,我们设计了包含叁个光源的仿体实验,并且对数值仿真实验的实验结果做了位置误差和相关强度误差的定量分析。结果表明多路径子空间追踪的数值仿真实验获得了满意的结果。从精度方面,重建的光源位置离金标准光源中心误差低于1mm。在抗噪声鲁棒性方面,多路径子空间追踪算法不仅可以取得很好的鲁棒抗噪效果而且还可以减少重建的背景伪影。之后开展的生物在体实验进一步验证了多路径追踪算法在解决FMT的实际应用中的价值。(本文来源于《苏州大学》期刊2018-04-01）
荣光李[7]（2018）在《基于子空间追踪算法的稀疏子空间聚类》一文中研究指出稀疏子空间聚类是一种基于谱聚类的聚类方法,是聚类高维数据的有效途径。高维数据通常分布在低维子空间的并集上,因而在合适的字典下可以稀疏表示,再利用稀疏表示系数构造相似度矩阵,最后用谱聚类得到聚类结果。如何构建合适的相似度矩阵是稀疏子空间聚类的关键一步,本文针对基于贪婪算法的稀疏子空间聚类,主要工作如下:(1)引入了子空间追踪算法构造相似度矩阵,给出了基于子空间追踪算法的稀疏子空间聚类理论框架,其次证明了算法在每次迭代时保证特征选择和特征再选择的充分条件。最后用数值实验证明了用子空间追踪算法所选出的原子,相比其他算法选取的原子更具代表性,提高了精确特征选择率,聚类误差也得到了保留甚至更低。(2)分析了高维数据经子空间追踪算法每次迭代所得稀疏解与其最优稀疏解之间的误差,论证了子空间追踪算法所得稀疏解的准确性。(3)给出了基于广义正交匹配追踪的稀疏子空间聚类理论框架。数值实验表明,与其他贪婪算法相比,其在保证了聚类误差的基础上,运行时间有了大幅缩减。(本文来源于《合肥工业大学》期刊2018-04-01）
李莎莎,丁伋堃,宫明煜[8]（2017）在《基于联合稀疏模型的多重子空间追踪重构算法》一文中研究指出针对分布式压缩感知中联合稀疏信号的重构问题,在分析了信号群与联合稀疏模型(JSM)基础上,利用JSM-2型联合稀疏信号在子空间内的投影特性,提出了一种多重子空间追踪重构算法。仿真结果表明,该算法在降低计算复杂度的同时可有效确保联合稀疏信号重构准确率。(本文来源于《指挥信息系统与技术》期刊2017年03期）
王建,朱晓丹,王利伟[9]（2017）在《基于子空间追踪的无源信号检测技术》一文中研究指出数字阵列瞬时全空域覆盖时,所需的波束数量随着阵列规模增大而增加,这将使得信号处理复杂度提升,设备量增大。为了减少大型阵列的设备量,提出了一种基于子空间追踪的无源信号检测技术。该技术利用辐射源信号在空域的稀疏性,用子空间追踪算法实时跟踪辐射源信号,将波束对准辐射源信号方向,进行自适应空域滤波,从而减少波束个数,降低计算量。该算法可以适应多信号形式,自适应地对多个辐射源的来波进行滤波,滤波之后的信号可以进行信号检测及信号分选,且波束个数不随阵列规模的增加而增加,可以大大减少大型阵列的设备量。(本文来源于《航天电子对抗》期刊2017年03期）
田金鹏,刘小娟,郑国莘[10]（2016）在《一种变步长稀疏度自适应子空间追踪算法》一文中研究指出针对压缩感知(Compressive sensing,CS)中未知稀疏度信号的重建问题,本文提出一种变步长稀疏度自适应子空间追踪算法.首先,采用一种匹配测试的方法确定固定步长,然后以该固定步长与变步长方式相结合,通过不同支撑集原子个数下的重建残差变化确定信号稀疏度,算法采用子空间追踪方法确定相应支撑集原子,并完成原始信号准确重建.实验结果表明,与同类算法相比,该算法可以更准确重建原始信号,且信号稀疏度值较高时,运算量低于同类算法.(本文来源于《自动化学报》期刊2016年10期）
子空间追踪论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
稀疏子空间聚类是处理高维数据聚类的有效途径,而相似度矩阵的构造是稀疏子空间聚类的关键一步。文章引入子空间追踪算法来构造相似度矩阵,并由此给出了保证特征选择和特征再选择的充分条件。数值实验表明,子空间追踪算法所选择的原子相比经典的正交匹配追踪算法,其选择的原子更具代表性,精确特征选择率更高,聚类误差也得到了保留甚至更低。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
子空间追踪论文参考文献
[1].孔繁锵,朱成,徐诚,周永波.空间相关性约束联合子空间追踪的高光谱图像稀疏解混[J].南京航空航天大学学报.2019
[2].荣光李,黄尉.基于子空间追踪算法的稀疏子空间聚类[J].合肥工业大学学报(自然科学版).2019
[3].杜力,张国华,刘文龙.基于子空间追踪的广义空间调制系统检测算法[J].山西大学学报(自然科学版).2019
[4].王可心,韩太林,高杨,王啸.基于改进子空间追踪算法的冲击波信号采集[J].长春理工大学学报(自然科学版).2019
[5].孙润润.基于稀疏度区间的变步长最优子空间追踪算法[J].计算机技术与发展.2019
[6].倪浩轩.基于多路径子空间追踪的激发荧光断层重建的研究[D].苏州大学.2018
[7].荣光李.基于子空间追踪算法的稀疏子空间聚类[D].合肥工业大学.2018
[8].李莎莎,丁伋堃,宫明煜.基于联合稀疏模型的多重子空间追踪重构算法[J].指挥信息系统与技术.2017
[9].王建,朱晓丹,王利伟.基于子空间追踪的无源信号检测技术[J].航天电子对抗.2017
[10].田金鹏,刘小娟,郑国莘.一种变步长稀疏度自适应子空间追踪算法[J].自动化学报.2016