基于改进的UAMP-BG算法在气体泄漏源定位的研究
DOI:
CSTR:
作者:
作者单位:

1.南京信息工程大学;2.nuist

作者简介:

通讯作者:

中图分类号:

基金项目:

国家自然科学基金,国家自然科学基金项目(面上项目,重点项目,重大项目)


Research on the location of gas leakage source based on the improved UAMP-BG algorithm
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    准确的气体泄漏源定位对生产生活有着重要作用。本文提出一种基于改进的UAMP-BG算法在气体泄漏源定位的研究。DOA估计问题可以转化为信号的稀疏恢复,对传统的近似消息传递(AMP)算法引入酋变换,再利用酉近似消息传递(UAMP)进行信号的稀疏恢复。为了增强稀疏性,本文对UAMP算法进行了改进,在UAMP迭代过程中,引入LASSO回归函数。先用UAMP迭代优化模型参数,然后在固定的迭代次数后,利用LASSO回归函数的稀疏性重新优化估计参数,再继续UAMP迭代。继而保持了UAMP高效迭代,同时兼具L1正则化的稀疏性。由信号的BG先验快速估计非零元素的位置,利用最大期望(EM)自动学习BG参数。仿真实验表明,本文算法在同类算法中有更低的误差,估计成功率在90%以上,并通过搭建的声源定位系统实物测试,结果表明其在实际环境中的可行性。

    Abstract:

    Accurate gas leakage source localization plays an important role in production and life. This paper presents a research on gas leakage source localization based on an improved UAMP-BG algorithm. The direction-of-arrival (DOA) estimation problem can be transformed into sparse recovery of signals. Unitary transformation is introduced to the traditional approximate message passing (AMP) algorithm, and then unitary approximate message passing (UAMP) is used for sparse recovery of signals. To enhance sparsity, this paper improves the UAMP algorithm. In the UAMP iteration process, the LASSO regression function is introduced. First, UAMP iteration is used to optimize model parameters. Then, after a fixed number of iterations, the sparsity of the LASSO regression function is used to re-optimize the estimated parameters, and then UAMP iteration continues. Thus, it maintains the efficient iteration of UAMP and at the same time has the sparsity of L1 regularization. The location of non-zero elements is quickly estimated

    参考文献
    相似文献
    引证文献
引用本文
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2024-11-13
  • 最后修改日期:2024-11-13
  • 录用日期:2024-11-14
  • 在线发布日期:
  • 出版日期:
文章二维码