• 대한수학회지
• /
• 제36권1호
• /
• pp.209-227
• /
• 1999

We propose new parallel block ILU (Incomplete LU) factorization preconditioners for a nonsymmetric block-tridiagonal M-matrix. Theoretial properties of these block preconditioners are studied to see the convergence rate of the preconditioned iterative methods, Lastly, numerical results of the right preconditioned GMRES and BiCGSTAB methods using the block ILU preconditioners are compared with those of these two iterative methods using a standard ILU preconditioner to see the effectiveness of the block ILU preconditioners.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제9권9호
• /
• pp.3559-3571
• /
• 2015

This paper addresses the problem of signal acquisition with a sparse representation in a given orthonormal basis using fewer noisy measurements. The authors formulate the problem statement for randomly measuring with strong signal noise. The impact of white Gaussian signals noise on the recovery performance is analyzed to provide a theoretical basis for the reasonable design of the measurement matrix. With the idea that the measurement matrix can be adapted for noise suppression in the adaptive CS system, an adapted selective compressive sensing (ASCS) scheme is proposed whose measurement matrix can be updated according to the noise information fed back by the processing center. In terms of objective recovery quality, failure rate and mean-square error (MSE), a comparison is made with some nonadaptive methods and existing CS measurement approaches. Extensive numerical experiments show that the proposed scheme has better noise suppression performance and improves the support recovery of sparse signal. The proposed scheme should have a great potential and bright prospect of broadband signals such as biological signal measurement and radar signal detection.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권12호
• /
• pp.6043-6062
• /
• 2019

Low-rank matrix decomposition has shown its capability in many applications such as image in-painting, de-noising, background reconstruction and defect detection etc. In this paper, we consider the texture background of rail track images and the sparse foreground of the defects to construct a low-rank matrix decomposition model with block sparsity for defect inspection of rail tracks, which jointly minimizes the nuclear norm and the 2-1 norm. Similar to ADM, an alternative method is proposed in this study to solve the optimization problem. After image decomposition, the defect areas in the resulting low-rank image will form dark stripes that horizontally cross the entire image, indicating the preciselocations of the defects. Finally, a two-stage defect extraction method is proposed to locate the defect areas. The experimental results of the two datasets show that our algorithm achieved better performance compared with other methods.

• Journal of Communications and Networks
• /
• 제18권5호
• /
• pp.699-712
• /
• 2016

Recently, greedy algorithm has received much attention as a cost-effective means to reconstruct the sparse signals from compressed measurements. Much of previous work has focused on the investigation of a single candidate to identify the support (index set of nonzero elements) of the sparse signals. Well-known drawback of the greedy approach is that the chosen candidate is often not the optimal solution due to the myopic decision in each iteration. In this paper, we propose a tree search based sparse signal recovery algorithm referred to as the tree search matching pursuit (TSMP). Two key ingredients of the proposed TSMP algorithm to control the computational complexity are the pre-selection to put a restriction on columns of the sensing matrix to be investigated and the tree pruning to eliminate unpromising paths from the search tree. In numerical simulations of Internet of Things (IoT) environments, it is shown that TSMP outperforms conventional schemes by a large margin.

• 대한전자공학회논문지SP
• /
• 제49권2호
• /
• pp.122-129
• /
• 2012

Compressive sensing 분야에서 orthogonal matching pursuit (OMP) 알고리듬은 underdetermined 시스템의 스파스 (sparse) 신호를 복구하는 대표적인 greedy 알고리듬으로 많은 관심을 받고 있다. 본 논문에서는 OMP 알고리듬의 반복과정에서 하나 이상의 support들을 선택할 수 있도록 하는 OMP 알고리듬의 일반화된 형태의 generalized orthogonal matching pursuit (gOMP)기법을 제안한다. gOMP가 완벽한 신호 복원을 보장하기 위해 restricted isometry property (RIP)를 이용한 충분조건, ${\delta}_{NK}$ < $\frac{\sqrt{N}}{\sqrt{K}+2\sqrt{N}}$을 제시한다. 실험을 통해 gOMP는 매 반복과정에서 하나 이상의 support들를 선택함으로써 높은 복원 성능과 낮은 복잡도를 가짐을 확인하였다.

• 스마트미디어저널
• /
• 제5권1호
• /
• pp.88-94
• /
• 2016

본 논문에서는 희소성 표현을 기반으로 하는 객체 추적 방법에 있어서 객체 표류 현상을 처리하기 위한 새로운 방법을 제시한다. 그중에서도 APG-L1 (accelerated proximal gradient L1) 방법은 희소성 표현이란 객체의 외형을 표현하기 위한 목표 템플릿(target template)과 배경이나 폐색(occlusion)과 같은 객체 이외의 부분을 대체하기 위한 기본 템플릿(trivial template)를 이용하여 입력 영상을 표현하는 방법이다. 또한 어파인 변환행렬을 이용한 particle filtering 이 적용되어 객체의 위치를 찾고 APG 방법을 사용하여 희소성기반의 L1-norm을 최소화한다. 본 논문에서는 객체추적의 표류현상을 방지하기 위하여 기본 템플릿의 계수를 활용하여 배경을 가진 객체가 채택되는 현상을 방지하는 방법을 제시한다. 다양한 영상에 적용하여 제안하는 방법을 실험한 결과, 기존의 방법들과 비교하여 높은 성과를 보인다.

• 한국전자파학회논문지
• /
• 제19권2호
• /
• pp.130-137
• /
• 2008

본 논문은 레이다 표적 인식에서 레이다 산란신호에 대한 3차원 산란점 추출을 위한 고해상도 기법에 대해 기술하고 있다. 또한, 3차원 산란점 추출에서 신호의 극점을 획득하기 위해 3차원 짝 맞춤 절차를 소개하고 있다. 짝 맞춤 절차는 기존의 일반적인 방법보다 더 정확하고 견고한 특징을 가지고 있다. 3차원 산란점을 추출하기 위해서는 우선 주어진 3차원 레이다 산란 데이터로부터 상호 분산 행렬을 생성해야 한다. 그리고 matrix pencil 기법을 이용하여 3차원 산란점을 추출한다. 본 논문에서 MSSP를 이용하여 상호 분산 행렬을 생성하였으며, 관측 행렬은 sparse scanning order conception 방법을 이용하여 만들었다. 제시한 기법의 성능을 보여주기 위해서 본 논문에서는 이상적인 점 산란체를 생성하여 이에 대한 결과를 보여주고 있다.

• 전산구조공학
• /
• 제4권2호
• /
• pp.103-110
• /
• 1991

컴퓨터의 제한된 코어메모리로 대형문제를 해결하기 위하여 디스크를 마치 메모리처럼 사용할 수 있는 가상 메모리 데이타베이스 기법을 개발하였다. 이 기법과 아울러 최대 가용코어메모리를 작동시키는 방식을 사용하여 유한요소 해석시 흔히 발생하는 스카이라인 형태로 저장된 대칭통산행예(Sparse Symmetric Matrix)에 대한 매우 효과적인 코어 내 및 코어 외 직립방정식의 해법을 개발하였다. 제안된 방법은 다른 코어 외 해법에 비해 알고리즘 및 코딩이 매우 간단하여 계산효율을 상당히 향상시켰다. 해석예에서는 제안된 방법을 사용하여 대규모 구조해석 문제를 메모리 용량이 작은 소형컴퓨터에서 대단히 효율적으로 해결하였음을 보여주었다.

• 대한수학회논문집
• /
• 제9권3호
• /
• pp.753-765
• /
• 1994

The linearly constrained quadratic programming(QP) considered is : $$ min f(x) = c^T x + \frac{1}{2}x^T Hx $$ $$ (1) subject to A^T x \geq b,$$ where $c,x \in R^n, b \in R^m, H \in R^{n \times n)}$, symmetric, and $A \in R^{n \times n}$. If there are bounds on x, these are included in the matrix $A^T$. The Hessian matrix H may be positive definite or negative semi-difinite. For large problems H and the constraint matrix A are assumed to be sparse.

• 한국통신학회:학술대회논문집
• /
• 한국통신학회 1984년도 추계학술발표회논문집
• /
• pp.74-77
• /
• 1984

In this paper, We have proposed the new lee weighted Hadamard transform which retains the main properties of Hadamard matrix. The non-orthogonal LWH matrix was Weighted in the center of the spatial domain. The human visual response to spatioal requencies in nonuniform and that the mid spatial frequencies are emphasized more than the low and high spatial frequencies, the faast algorithm of the Lee Weighted Hadamard transform has shown by the sparse matrix factorization.