面向压缩感知的基于相关性字典学习算法

摘要：

压缩感知理论作为一种新兴技术,能够降低传感节点的能量消耗,推动基于可穿戴设备的远程健康监护系统的发展.其中,字典学习算法获得的过完备字典应用于压缩感知重构时能获得较高的重构精度,因此备受关注.传统字典学习算法通常未考虑到信号内部隐含的相关,不能充分地捕捉到信号特征,当应用到压缩感知重构时不能精确地重构信号.该文充分利用生理信号隐含的相关性的结构特征,提出一种基于相关性的加权最小二乘字典学习算法,克服了传统字典学习算法应用到压缩感知重构信号时精度差的缺陷.实验结果表明,该算法能够充分地捕捉信号特征,提高应用于压缩感知重构恢复领域的信噪比,使得压缩后的信号能被精确地重构恢复出来.

关键词：聚类、压缩感知、字典学习、过完备字典、可穿戴设备

所属期刊栏目：46

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61501096, 61472067;四川省国际科技合作与交流项目2016HH0020;四川省科技支撑计划2015GZ0199, 2016FZ0105

在线出版日期：2017-11-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：703-708