基于級(jí)隨著原子庫(kù)稀疏分解及其應(yīng)用.pdf

1、稀疏分解是一種將信號(hào)自適應(yīng)分解在一組高度冗余的過(guò)完備基上，用一系列的原子線性疊加來(lái)表示信號(hào)的方法。由于其能夠在一定的精度條件下將輸入信號(hào)表示成少量特征明顯的信號(hào)分量和形式，從而獲得信號(hào)的稀疏展開(kāi)以及自然特性。這種信號(hào)分解方法能靈活的表達(dá)信號(hào)的整體和局部結(jié)構(gòu)特性，得到信號(hào)更加簡(jiǎn)潔和靈活的表示，為信號(hào)的后期處理提供極大的便利。
　　 目前的稀疏分解研究主要集中在單個(gè)原子庫(kù)下進(jìn)行，而單個(gè)原子庫(kù)對(duì)于表示復(fù)雜信號(hào)具有一定的局限性；級(jí)聯(lián)原子

2、庫(kù)由于其包含不同特點(diǎn)的原子庫(kù)，對(duì)于復(fù)雜的多分量信號(hào)和圖像具有天然的優(yōu)勢(shì)。因此本文對(duì)級(jí)聯(lián)原子庫(kù)稀疏分解進(jìn)行研究，構(gòu)建出三種不同的級(jí)聯(lián)原子庫(kù)，并將其分別用于雷達(dá)輻射源信號(hào)分解、諧波分析以及掌紋識(shí)別中，擴(kuò)展了稀疏分解的應(yīng)用范圍；同時(shí)也為后面關(guān)于級(jí)聯(lián)原子庫(kù)的構(gòu)建及應(yīng)用的研究提供了一些參考。論文的主要工作及研究成果如下：
　　 1、將DNA進(jìn)化算法引入到匹配追蹤中，大大降低匹配追蹤計(jì)算量。在DNA進(jìn)化算法中引入熵來(lái)衡量種群多樣性，根據(jù)種群

3、多樣性進(jìn)行災(zāi)變操作，提高了DNA進(jìn)化算法的尋優(yōu)能力。分析Gabor、Chirplet、Laplace和Damped sin四種原子庫(kù)的特點(diǎn)，并由它們構(gòu)建出級(jí)聯(lián)原子庫(kù)；將其用于多分量雷達(dá)輻射源信號(hào)分解中，獲得比單個(gè)原子庫(kù)更好相似度和衰減率；并且其重構(gòu)時(shí)頻圖能準(zhǔn)確的表征多分量雷達(dá)輻射源信號(hào)中各個(gè)信號(hào)分量的特點(diǎn)。
　　 2、由余弦原子庫(kù)和沖擊原子庫(kù)構(gòu)建出適合分解電力系統(tǒng)諧波信號(hào)的級(jí)聯(lián)原子庫(kù)，將其用于電力系統(tǒng)諧波分析，能在有大量沖擊噪聲

4、的情況下將諧波和沖擊噪聲分離開(kāi)，避免高次諧波和沖擊噪聲相互影響，從而準(zhǔn)確的分析出諧波幅值和相位。
　　 3、由訓(xùn)練掌紋和沖擊原子庫(kù)構(gòu)建適合分解掌紋的原子庫(kù)，將其用于掌紋識(shí)別，由分解后的稀疏系數(shù)的稀疏度來(lái)進(jìn)行掌紋識(shí)別。分別在不同含量的椒鹽噪聲、高斯噪聲、乘性噪聲下進(jìn)行實(shí)驗(yàn)，并與主成分分析法和二維主成分分析法進(jìn)行對(duì)比；實(shí)驗(yàn)結(jié)果顯示，在大量噪聲的情況下獲得了比主成分分析法和二維主成分分析法明顯更好的識(shí)別效果。而且在不同比例的遮擋下進(jìn)行