-
公开(公告)号：CN107147397B
公开(公告)日：2020-06-16
申请号：CN201710269603.5
申请日：2017-04-24
Applicant: 电子科技大学 , 内江市下一代互联网数据处理技术研究所
IPC: H03M7/30
Abstract: 本发明公开了一种面向可穿戴设备的快速压缩感知重构方法，属于信号处理领域。本发明通过构造的m*n维随机稀疏二值观测矩阵Ф，对原始心电信号x进行压缩测量，得到长度为m的观测向量y；再基于观测矩阵Ф和观测向量y，利用基于交替方向乘子法和块稀疏贝叶斯学习的压缩感知重构方法对原始信号进行重构，得到原始信号的估计向量。与现有块稀疏贝叶斯学习类压缩感知重构算法相比，本发明的优点在于在保证重构精度的前提下可以达到更快的重构速度。
-
公开(公告)号：CN107147397A
公开(公告)日：2017-09-08
申请号：CN201710269603.5
申请日：2017-04-24
Applicant: 电子科技大学 , 内江市下一代互联网数据处理技术研究所
IPC: H03M7/30
Abstract: 本发明公开了一种面向可穿戴设备的快速压缩感知重构方法，属于信号处理领域。本发明通过构造的m*n维随机稀疏二值观测矩阵Ф，对原始心电信号x进行压缩测量，得到长度为m的观测向量y；再基于观测矩阵Ф和观测向量y，利用基于交替方向乘子法和块稀疏贝叶斯学习的压缩感知重构方法对原始信号进行重构，得到原始信号的估计向量。与现有块稀疏贝叶斯学习类压缩感知重构算法相比，本发明的优点在于在保证重构精度的前提下可以达到更快的重构速度。
-
公开(公告)号：CN106599903B
公开(公告)日：2020-01-21
申请号：CN201611031391.9
申请日：2016-11-22
Applicant: 电子科技大学成都研究院
IPC: G06K9/62
Abstract: 本发明公开了一种基于相关性的加权最小二乘字典学习的信号重构方法。本发明首先利用聚类的方法将训练数据中具有相关性的信号样本归类为一组，然后以一组信号为单位更新每组字典，使得每组字典能充分地学习到每组信号的特征，最后依据得到的子字典进行集中字典学习。实验结果表明，相对于较为经典的加权最小二乘法以及K奇异值分解算法，本发明能够获得更低的均方误差，并且应用于压缩感知重构恢复领域时能获得更高的信噪比。
-
公开(公告)号：CN106599903A
公开(公告)日：2017-04-26
申请号：CN201611031391.9
申请日：2016-11-22
Applicant: 电子科技大学成都研究院
IPC: G06K9/62
Abstract: 本发明公开了一种基于相关性的加权最小二乘字典学习的信号重构方法。本发明首先利用聚类的方法将训练数据中具有相关性的信号样本归类为一组，然后以一组信号为单位更新每组字典，使得每组字典能充分地学习到每组信号的特征，最后依据得到的子字典进行集中字典学习。实验结果表明，相对于较为经典的加权最小二乘法以及K奇异值分解算法，本发明能够获得更低的均方误差，并且应用于压缩感知重构恢复领域时能获得更高的信噪比。
-
-
-
Search Results
4
records
(took 0.032 seconds)
