-
公开(公告)号：CN103036574B
公开(公告)日：2017-03-08
申请号：CN201210536059.3
申请日：2012-12-13
Applicant: 南开大学
IPC: H03M7/30
Abstract: 一种基于压缩传感理论的适用于信号重构的自校验稀疏度自适应匹配追踪算法，属于压缩传感技术领域。本发明无须得知信号稀疏度便可重构出原始信号，克服之前稀疏度自适应算法中起始步长需预估计的瓶颈；提出并采用自校验思想对迭代过程进行检查，算法无需退出便可自身校验迭代是否成功，使各算法间有效融合成为可能，并在保障重构质量的前提下缩短重构时间。本发明改进了信号重构时间并在重构成功率上具有明显优势，这必将进一步促进压缩传感理论应用于实际。
-
公开(公告)号：CN103209436A
公开(公告)日：2013-07-17
申请号：CN201310029932.4
申请日：2013-01-28
Applicant: 南开大学
CPC classification number: Y02D70/00
Abstract: 一种基于压缩传感理论的多参量信息融合稀疏模型，属于无线通信与数据融合领域，本模型基于无线传感器网络中普遍采用的层簇多跳路由机制，引入压缩传感理论，解决了传统网络中靠近汇聚节点的簇首能耗负担过重，容易更早死亡而降低整个网络生存周期的难题。本发明中每层簇首均传输经过投影测量所取得的相同维度低维信号，并周期性地利用能量最优选择算法选举出新的簇首节点，达到簇内与全局的双重负载均衡效果。此外针对无线传感器网络的多参数类型特点，构建多参量信号联合稀疏基底，进一步减轻基站存储负担。本发明适用范围广、创新性强，对无线传感器网络的发展和实际应用具有十分重要的理论意义。
-
公开(公告)号：CN105472657A
公开(公告)日：2016-04-06
申请号：CN201510938104.1
申请日：2015-12-14
Applicant: 南开大学
IPC: H04W28/06
CPC classification number: H04W28/06
Abstract: 一种基于低秩张量的无线传感器网络中数据重构方法，属于无线传感器网络数据重构领域。本发明基于低秩张量理论，通过利用无线传感器网络中不同类型数据之间的时空相关性，在低采样率情况下提高了数据重构精度；将无线传感器网络中数据根据位置，时间，类型分布在一个三阶张量中，通过约束“张量核范数”由部分采样数据重构出全部数据。本发明与现有对无线传感器网络中数据重构方法相比，具有可充分利用数据之间相关性，提高重构精度的特点。
-
公开(公告)号：CN102970044A
公开(公告)日：2013-03-13
申请号：CN201210480452.5
申请日：2012-11-23
Applicant: 南开大学
Abstract: 本发明公开了一种基于回溯的迭代重加权(Backtracking-based iterative reweighted least square，BIRLS)压缩传感重构算法。本发明通过在迭代重加权过程中加入回溯和稀疏度自适应的思想，算法在每一次迭代过程中将前次迭代得到的解向量支撑与迭代重加权产生的支撑合并，再通过回溯和自适应过程优化解向量支撑的选择。基于回溯的迭代重加权压缩传感重构算法能平衡所有系数对算法恢复效果的影响，且仅需要很少的迭代次数就能高概率恢复原始信号，大大减少重构所需的迭代时间，可较大程度提升对稀疏信号的恢复能力和重构精度。
-
公开(公告)号：CN105472657B
公开(公告)日：2019-03-15
申请号：CN201510938104.1
申请日：2015-12-14
Applicant: 南开大学
IPC: H04W28/06
Abstract: 一种基于低秩张量的无线传感器网络中数据重构方法，属于无线传感器网络数据重构领域。本发明基于低秩张量理论，通过利用无线传感器网络中不同类型数据之间的时空相关性，在低采样率情况下提高了数据重构精度；将无线传感器网络中数据根据位置，时间，类型分布在一个三阶张量中，通过约束“张量核范数”由部分采样数据重构出全部数据。本发明与现有对无线传感器网络中数据重构方法相比，具有可充分利用数据之间相关性，提高重构精度的特点。
-
Patent Agency Ranking
公开(公告)号：CN103106330A
公开(公告)日：2013-05-15
申请号：CN201210527858.4
申请日：2012-12-07
Applicant: 南开大学
IPC: G06F19/00
Abstract: 一种基于压缩传感理论的自适应构建小波组合稀疏基底的新方法，属于压缩传感技术领域，尤其适合于针对具备时间相关度的传感信号进行稀疏表示。本发明采用Daubechies小波系函数作为原子模型形成DbN冗余原子库，并对原子进行检查筛选获得DbN精简原子库，最后针对24组元模型信号利用匹配追踪算法进行自适应稀疏分解得到系数向量构成DbN小波组合稀疏基底。本发明与现有稀疏基底相比计算复杂度低、占用存储空间小、生成时间短、稀疏程度高，能很好的捕捉传感信号特性，非常适用于压缩传感领域。
-
公开(公告)号：CN103036576A
公开(公告)日：2013-04-10
申请号：CN201210562420.X
申请日：2012-12-20
Applicant: 南开大学
IPC: H03M7/30
Abstract: 一种基于压缩传感理论的二值稀疏信号重构算法，属于压缩传感技术领域。本发明基于匹配追踪算法，通过对测量矩阵的变加权处理，解决匹配追踪算法对二值稀疏信号重构效果差的问题；根据得到的加权测量值及未加权的传感矩阵，重构出加权的重构稀疏信号；重构稀疏信号去加权后由稀疏基底得到原始信号。本发明与现有对二值稀疏信号的重构算法相比，具有成功重构率高、重构时间短、运算简单的特点，同时具有普遍性，亦可用于其他类型稀疏信号。
-
公开(公告)号：CN103036574A
公开(公告)日：2013-04-10
申请号：CN201210536059.3
申请日：2012-12-13
Applicant: 南开大学
IPC: H03M7/30
Abstract: 一种基于压缩传感理论的适用于信号重构的自校验稀疏度自适应匹配追踪算法，属于压缩传感技术领域。本发明无须得知信号稀疏度便可重构出原始信号，克服之前稀疏度自适应算法中起始步长需预估计的瓶颈；提出并采用自校验思想对迭代过程进行检查，算法无需退出便可自身校验迭代是否成功，使各算法间有效融合成为可能，并在保障重构质量的前提下缩短重构时间。本发明改进了信号重构时间并在重构成功率上具有明显优势，这必将进一步促进压缩传感理论应用于实际。
-
公开(公告)号：CN102970044B
公开(公告)日：2017-10-27
申请号：CN201210480452.5
申请日：2012-11-23
Applicant: 南开大学
Abstract: 本发明公开了一种基于回溯的迭代重加权(Backtracking‑based iterative reweighted least square，BIRLS)压缩传感重构方法。本发明通过在迭代重加权过程中加入回溯和稀疏度自适应的思想，在每一次迭代过程中将前次迭代得到的解向量支撑与迭代重加权产生的支撑合并，再通过回溯和自适应过程优化解向量支撑的选择。基于回溯的迭代重加权压缩传感重构方法能平衡所有系数对恢复效果的影响，且仅需要很少的迭代次数就能高概率恢复原始信号，大大减少重构所需的迭代时间，可较大程度提升对稀疏信号的恢复能力和重构精度。
-
公开(公告)号：CN103995727A
公开(公告)日：2014-08-20
申请号：CN201410201411.7
申请日：2014-05-09
Applicant: 南开大学
IPC: G06F9/45
Abstract: 一种应用于无线传感器网络(WSN，Wireless SensorNetwork)的传输触发架构专用指令集处理器(ASIP，Application Specific Instruction-set Processor)的汇编工具链。该工具链是为基于传输触发架构的无线传感器网络节点专用指令集处理器(ASIP)而设计的。该工具链包括汇编宏预处理器(1)、汇编器(2)、链接器(3)以及反汇编器(4)。其中，汇编器(2)同时支持专用指令集处理器的通用指令集和专用指令集。专用指令集包括休眠指令集、时钟管理指令集、射频收发指令集和MAC协议指令集等。针对传输触发架构的特性，汇编器(2)支持别名汇编指令。该工具链解决了专用处理器的程序开发工具问题，并且程序保密性和安全性高，为进一步研究与应用奠定了基础。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.02 seconds)
