【技术实现步骤摘要】
本专利技术属于信号采集，更具体地，涉及一种基于字典学习和卷积神经网络的设备信号压缩感知的方法。
技术介绍
1、随着通信领域的飞速发展，伴随着通信网络中的信号采集技术也有了质的跨越发展，经典的数据压缩技术，无论是音频压缩、图像压缩、视频压缩，还是一般的编码压缩，都是从数据本身的特性出发，寻找并剔除数据中隐含的冗余度，从而达到压缩的目的。这样的压缩有两个特点：第一、它是发生在数据已经被完整采集到之后；第二、它本身需要复杂的算法来完成。相较而言，解码过程反而在计算上比较简单，以音频压缩为例，压制一个音频文件的计算量远大于播放一个音频文件的计算量。
2、这种压缩和解压缩的不对称性正好同人们的需求是相反的。在大多数情况下，采集并处理数据的设备，往往是廉价、省电、计算能力较低的便携设备，而负责处理(即解压缩)信息的过程却反而往往在大型计算机上进行，它有更高的计算能力，也常常没有便携和省电的要求。也就是说，人们是在用廉价节能的设备来处理复杂的计算任务，而用大型高效的设备处理相对简单的计算任务。这一矛盾在某些情况下甚至会更为尖锐，例如在野外...
【技术保护点】
1.一种基于字典学习和卷积神经网络的设备信号压缩感知的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于字典学习和卷积神经网络的设备信号压缩感知的方法，其特征在于，所述的字典学习算法包括字典构建阶段算法和利用字典表示样本阶段算法。
3.根据权利要求1所述的一种基于字典学习和卷积神经网络的设备信号压缩感知的方法，其特征在于，所述的字典学习算法使用K-SVD算法,将数据矩阵分解为两个矩阵的乘积，其具体的公式为:
4.根据权利要求1所述的一种基于字典学习和卷积神经网络的设备信号压缩感知的方法，其特征在于，所述的字典学习算法...
【技术特征摘要】
1.一种基于字典学习和卷积神经网络的设备信号压缩感知的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于字典学习和卷积神经网络的设备信号压缩感知的方法，其特征在于，所述的字典学习算法包括字典构建阶段算法和利用字典表示样本阶段算法。
3.根据权利要求1所述的一种基于字典学习和卷积神经网络的设备信号压缩感知的方法，其特征在于，所述的字典学习算法使用k-svd算法,将数据矩阵分解为两个矩阵的乘积，其具体的公式为:
4.根据权利要求1所述的一种基于字典学习和卷积神经网络的设备信号压缩感知的方法，其特征在于，所述的字典学习算法将设备信号的稀疏表示表示为字典中的基函数的线性组合。
5.根据权利要求1所述的一种基于字典学习和卷积...
【专利技术属性】
技术研发人员：李惠仪，吴虹莹，叶彤，庞伟林，周克楠，黄海虹，
申请(专利权)人：广东电网有限责任公司佛山供电局，
类型：发明
国别省市：
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。