基于粒子群優(yōu)化和原子特性的匹配追蹤算法

　　Mallat和Zhang在小波分析的基礎(chǔ)上，于1993年提出信號(hào)在過完備原子庫上分解的思想。用來表示信號(hào)的基，可以通過信號(hào)在過完備庫上的分解，根據(jù)信號(hào)本身的特點(diǎn)自適應(yīng)的選取，得到信號(hào)的稀疏表示。由于信號(hào)的稀疏表示所具有的優(yōu)良特性，使其在信號(hào)處理領(lǐng)域的研究得到了長(zhǎng)足發(fā)展。但稀疏分解的計(jì)算十分復(fù)雜，導(dǎo)致實(shí)際應(yīng)用到信號(hào)處理上變得困難。

　　粒子群優(yōu)化算法（Particle Swarm Optimization，PSO）源于對(duì)鳥類捕食過程的研究，算法通過先初始化一個(gè)種群，然后通過不斷迭代尋優(yōu)，實(shí)現(xiàn)全局搜索。算法實(shí)現(xiàn)簡(jiǎn)單，需調(diào)整參數(shù)少，得到了廣泛應(yīng)用。針對(duì)稀疏分解計(jì)算復(fù)雜問題，本文在MP算法進(jìn)行信號(hào)稀疏分解過程中，用粒子群優(yōu)化算法進(jìn)行原子尋優(yōu)，結(jié)合原子特性，有效克服了稀疏分解計(jì)算量大的問題。