利用人工鱼群算法实现基于MP信号稀疏分解.docVIP

利用人工鱼群算法实现基于MP信号稀疏分解 　　 (西南交通大学 信息科学与技术学院, 成都 610031) 　　?? 　　摘 要：人工鱼群算法（AFSA）是一种新的智能优化算法，具有鲁棒性强、全局收敛性好，及对初值的不敏感性等特点。将人工鱼群算法运用到信号的稀疏分解中，可快速寻找匹配追踪(MP)过程中每一步分解的最佳原子。此方法提高了信号稀疏分解的速度，算法的有效性为实验结果所证实。 　　?す丶?词：信号处理； 稀疏分解； 匹配追踪； 人工鱼群算法 　　?ぶ型挤掷嗪牛?TN911.72 文献标志码：A 　　 文章编号：1001?B3695(2009)01?B0066?B02 　　?? 　　Signal MPbased sparse decomposition with??artificial fishswarm algorithm 　　SHU Weijie, YUAN Zhigang, YIN Zhongke 　　?? 　　(School of Information Science Technology, Southwest Jiaotong University, Chengdu 610031, China) 　　?? 　　Abstract:Artificial fishswarm algorithm is a new kind of intelligence optimization algorithm. It has a strong robustness and good global astringency, and it is also proved to be insensitive to initial values. This paper applied the artificial fishswarm algorithm to signal sparse decomposition to fast search for approximately optimal atom at each step of matching pursuit. The method improves the speed of signal sparse decomposition and the validity of this algorithm is proved by experimental results. 　　??Key words：signal processing; sparse decomposition; matching pursuit (MP); artificial fishswarm algorithm (AFSA) 　　?お? 　　Mallat等人[1]总结前人研究成果，于1993年提出了信号在过完备库（overcomplete dictionary）上分解的思想。通过信号在过完备库上的分解，用来表示信号的基可以自适应地根据信号本身的特点灵活选取。分解的结果将可以得到信号的一个非常简洁的表达（即稀疏表示，sparse representation），而得到信号稀疏表示的过程称为信号的稀疏分解。由于信号稀疏表示的优良特性，信号稀疏表示已经被应用到信号处理的许多方面，如信号去噪[1]、信号编码[2]和识别[3]等。信号的稀疏分解在信号处理中的实际应用目前很难被推广而实现产业化，阻碍信号稀疏分解研究及应用发展的关键因素之一是信号稀疏分解的计算量十分巨大，计算时间在现有条件下令人无法忍受。针对此问题，本文采用MP的方法进行信号的稀疏分解，在MP的每一步中利用人工鱼群算法（AFSA）快速实现在过完备库中选取最佳原子。利用提出的方法较好地解决了信号稀疏分解计算量大这一难题。?? 　　1 基于MP的信号稀疏分解?? 　　假设研究的信号为f，信号长度为N。若将信号分解在一组完备正交的基上，则这组基的数目应为N。由于基的正交性，基在由信号所组成的空间中的分布是稀疏的，从而信号的能量在分解以后将分散分布在不同的基上。这种能量分布的分散最后将导致用基的组合表示信号时表达的不简洁性，即信号表示不是稀疏的。非稀疏的表示不利于某些方面的信号处理，如识别和压缩等。为了得到信号的稀疏表示，基的构造必须使得基在信号组成的空间中足够密。由此，基的正交性将不再被保证，所以此时的基也不再是真正意义上的基了，而改称为原子。由这些原子组成的集合是过完备的，因而被称为过完备库（overcomplete dictionary of atoms）。信号在过完备库上的分解结果一定是稀疏的[1]。?? 　　设D={gγ}γ∈Γ为用于进行信号稀疏分解的过完备库，gγ为由参数组γ定义的原子。 用不同的方法构造原子