-
题名超声全矩阵数据联合稀疏重构的多测量向量模型应用
- 1
-
-
作者
严凡
林莉
金士杰
-
机构
大连理工大学无损检测研究所
-
出处
《应用声学》
CSCD
北大核心
2023年第3期523-528,共6页
-
基金
辽宁省“兴辽英才计划”项目(XLYC1902082)
国家自然科学基金项目(51905079)。
-
文摘
针对单测量向量模型等传统压缩感知方法处理超声全矩阵捕捉数据时,存在重构精度低和重构耗时长等问题,该文研究了多测量向量模型应用的可行性。针对铝合金试块中不同深度的Ф2mm横通孔,分别使用多测量向量模型中的多测量稀疏贝叶斯算法和单测量向量模型中的稀疏贝叶斯算法进行超声全矩阵数据重构,并实施全聚焦成像。随后,引入归一化均方误差和阵列性能因子评价图像和信号的重构效果。实验结果表明,稀疏贝叶斯算法在25%采样率时的归一化均方误差为1.9%,而多测量稀疏贝叶斯算法仅需15%采样率即可达到相似效果且耗时更少。
-
关键词
压缩感知
单测量向量模型
多测量向量模型
全聚焦方法
全矩阵捕捉
-
Keywords
Compressed sensing
Single measurement vector
Multiple measurement vectors
Total focusing method
Full matrix capture
-
分类号
TB553
[理学—声学]
-
-
题名多测量向量模型下的修正MUSIC算法
被引量：2
- 2
-
-
作者
林云
胡强
-
机构
重庆邮电大学光电工程学院
重庆邮电大学通信与信息工程学院
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2018年第11期2584-2589,共6页
-
文摘
压缩感知多测量向量(MMV)模型用于解决具有相同稀疏结构的多快拍问题,在传统阵列信号处理应用中多重信号分类(MUSIC)方法是一种常见的方法,但当快拍数不足(低于稀疏度)时其性能将急剧恶化。Kim等人(2012)推导出一种修正的MUSIC谱,并将压缩重构方法和MUSIC算法结合提出压缩感知MUSIC算法(CS-MUSIC),能够有效克服快拍数不足的问题。该文将Kim等人的结论扩展到一般情形,并基于传统的MUSIC谱和CSMUSIC谱提出一种修正的MUSIC算法(MMUSIC)。仿真结果表明所提算法能够有效克服快拍数不足的问题,并且具有比CS-MUSIC算法和压缩感知贪婪算法更高的重构概率。
-
关键词
压缩感知
多测量向量模型
联合稀疏
多重信号分类
-
Keywords
Compressed Sensing （CS）
Multiple Measurement Vectors （MMV） model
Jointly sparsity
MUltiple Signal Classification （MUSIC）
-
分类号
TN911.7
[电子电信—通信与信息系统]
-
