【技术实现步骤摘要】
面向可穿戴设备的快速压缩感知重构方法
本专利技术属于信号处理领域，具体涉及一种适用于非稀疏信号的压缩感知重构方法，用于对可穿戴设备压缩后的非稀疏信号进行快速且精确的重构。
技术介绍
随着远程医疗的逐步实用化，越来越多关于可穿戴的先进设备和技术都已经投入到了医疗诊断当中，对可穿戴远程健康监护系统中生理信号采样处理的理论技术主要有两类：一类是传统的基于信号带宽的奈奎斯特采样定理；另一类是要求信号具有稀疏性或者可压缩性的新兴的压缩感知(CompressedSensing，CS)理论。压缩感知是2004年提出的一个全新的信号采样理论。其思想是对稀疏信号进行全局观测，然后通过适当的重构算法从观测信号中重构出源信号，由于可以对这种可压缩的生理信号进行压缩采样和后期的快速重构，理论上能有效弥补穿戴设备处理信号能力弱的缺点。但目前大多数原有的经典压缩感知算法对可穿戴设备采样的这种稀疏性差的生理信号的重构效果和速度都是不是非常理想，这些经典算法在重构的速度上并不能与精确度相互匹配，精度较高的算法往往重构的速度慢，速度快的算法在精度上达不到要求，并不能做到重构速度和精度都能达到高标准...
【技术保护点】
面向可穿戴设备的快速压缩感知重构方法，其特征在于，包括下列步骤：步骤1：构造m×n维的随机稀疏二值观测矩阵Ф：观测矩阵Ф的每一行包含a个1，其余位置都为0，非零元素的位置基于高斯分布随机产生，其中n为待重构的原始信号x的长度，且m＜n，a＜n；步骤2：通过观测矩阵Φ对原始信号x进行压缩测量，得到观测向量y，即y＝Φx；步骤3：根据观测矩阵Φ和观测向量y，通过基于交替方向乘子法的块稀疏贝叶斯压缩感知方法进行信号重构，获得原始信号x的重构信号
【技术特征摘要】
1.面向可穿戴设备的快速压缩感知重构方法，其特征在于，包括下列步骤：步骤1：构造m×n维的随机稀疏二值观测矩阵Ф：观测矩阵Ф的每一行包含a个1，其余位置都为0，非零元素的位置基于高斯分布随机产生，其中n为待重构的原始信号x的长度，且m＜n，a＜n；步骤2：通过观测矩阵Φ对原始信号x进行压缩测量，得到观测向量y，即y＝Φx；步骤3：根据观测矩阵Φ和观测向量y，通过基于交替方向乘子法的块稀疏贝叶斯压缩感知方法进行信号重构，获得原始信号x的重构信号步骤301：初始化重构信号为全1的向量，并将重构信号均分为长度为d的子块，得到g个子块的块重构向量为每个子块设置正定矩阵Bi，Bi的初始值为单位矩阵，其中下标i＝1,2,…,g；将观测矩阵Φ按列均分为g个子矩阵Φi，每个子矩阵Φi包括d列，其中i＝1,2,…,g；初始化长度为d的向量zi为全1向量，其中i＝1,2,…,g；步骤302：根据公式计算块参数γi，其中i＝1,2,…,g，符号(·)T表示矩阵转置；步骤303：根据公式计算噪声方差λ；步骤304：根据公式得到矩阵B，基于矩阵B计算自回归系数其中r0和r1分别为矩阵B的主对角线元素均值和次对角线元素均值；再基于自回归系数r，通过拓普利兹矩阵对矩阵B进行重构，得到重构后的矩阵其中...
【专利技术属性】
技术研发人员：叶娅兰，侯孟书，程云飞，陈暘，何文文，徐海津，邓雪松，
申请(专利权)人：电子科技大学，内江市下一代互联网数据处理技术研究所，
类型：发明
国别省市：四川,51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。