论文部分内容阅读
在信号去噪问题中,利用K-means Singular Value Decomposition(K-SVD)等经典字典学习算法,对信号进行稀疏分解与信号重构,不能有效的消除噪声影响.引入了非线性最小二乘和粒子群优化的方法对经典的字典学习去噪方法进行了改进.利用K-SVD算法进行字典训练;利用非线性最小二乘的方法对字典中的每一个原子进行拟合,得到修正后的字典;利用粒子群优化的方法求解信号的稀疏表示,最终得到重构信号.通过实验证明,该方法去除噪声的效果相较于K-SVD和RLS-DLA(递归最小二乘字典学习算法)有明显提高.