关键词： 压缩感知   低功耗   运动信息采集   加速度数据   人体运动姿态估计  

摘要： 本研究旨在降低惯性传感器式人体运动姿态估计系统中信息采集节点的功耗。针对传统方法功耗高的问题,提出一种低功耗运动信息数据处理方法,基于优化的二值托普利兹测量矩阵对加速度数据进行低维投影,并结合近似消息传递的广义稀疏贝叶斯估计重构模型,设计非稀疏加速度数据重构算法,实现高效低功耗的数据获取。实验结果表明,该方法在保证信号重构精度的同时,显著缩短了重构时间,优于传统方法,并有助于提高数据处理效率,简化硬件设计,有效降低采集节点的功耗,为低功耗运动姿态估计系统提供了技术支持。

关键词： 配电网   违章预警   压缩感知   云边协同   字典学习   贪婪算法  

摘要： 随着配电网的快速发展,配网作业人身安全智能监护愈发成为配网生产经营一线的迫切需求。为解决配网现场违章行为智能预警系统的数据传输问题,提出一种基于压缩感知和贪婪算法的配网现场作业数据压缩重构方法。首先,分析了配网现场作业场景下数据的多源、异构特征;其次,在边缘侧构建观测矩阵,采用压缩感知技术对图像和视频流数据进行采样和压缩,并传输至云端;再次,在云端使用K-SVD字典学习算法得到合适的稀疏变换基,采用基于正则正交匹配追踪的贪婪算法实现数据重构,计算复杂度较低,迭代速度较快,保证数据传输的时效性。最后,算例验证了所提方法可以有效实现配网现场图像和视频流违章数据的压缩与重构。

关键词： 复合调制   盲识别   统一载波体制   频域数据   压缩感知   轻量化神经网络  

摘要： 现有基于特征提取和模式识别的复合调制盲识别方法对特征和样本量敏感,且在多子载波情况下流程繁琐。基于统一载波体制复合调制信号建模,提出了以压缩后的复合调制信号频域数据为特征、利用倒残差分组卷积结构的轻量化神经网络对压缩数据进行训练和分类的盲识别新思路。通过实验平台搭建和Python代码实现,对10种复合调制信号进行了不同信噪比下的盲识别对比试验,结果表明:该方法在0 dB信噪比条件下识别率可达94.5%,5 dB信噪比条件下识别率为100%;精确识别所需数据量少于基于统计特征和决策树的识别方法,分类所用神经网络的准确率和参数量亦优于基准网络。

关键词： 无线传输   压缩感知   列车控制和管理系统  

摘要： 动车组车地无线传输受限于移动网络带宽限制,数据传输间隔较长,无法准确反映车载系统运行状态,提出了一种基于压缩感知的车地传输数据压缩算法,能够在地面高精度地还原车载原始数据的同时,大幅压缩车地传输数据量,提高了车地带宽利用率,为动车组运行监测和故障应急指挥提供了更详实的数据支撑。

关键词： 电力信号   压缩感知   LZW编码  

摘要： 为了减少电力信号传输时的数据量,本文提出了一种融合压缩感知和LZW编码的电力数据压缩算法,在保证重构精度不变的条件下对电力数据进行进一步的压缩,提高了整体的压缩率。首先,对压缩感知的各种观测矩阵进行仿真分析;其次,选择使用稀疏随机矩阵作为本文的观测矩阵,提出了一种能够快速完成压缩感知计算的硬件实现方法,并完成了硬件的设计和验证。实验表明,本设计在FPGA器件上的工作频率最高可达200 MHz;整个数据压缩过程的总延时约为16.11μs;在重构误差约为4.83%时,数据压缩率约为36.83%,比仅使用压缩感知提升了约13.17%。

关键词： 压缩感知   深度学习   小波变换   采样网络   图像重建   小波残差采样   多域融合  

摘要： 随着信息技术的迅速发展,海量的视觉数据需要实时处理。如何实现数据的快速上行传输和下行响应是当前急需解决的问题。压缩感知(Compressed Sensing,CS)作为一种基于信号稀疏条件的采样理论,可以远低于奈奎斯特(Nyquist-Shannon)采样定理的采样速率,快速并有效地实现信号的重建恢复。压缩感知同时进行采样和压缩的特性,将计算复杂度转移到解码端,使编码端更利于数据的快速压缩和实时传输,从而实现高效的数据分析和响应。此外,压缩感知的提出为资源受限环境下的车联网视觉数据处理提供了一种新的思路和方法,推动了车联网在城市安全、无人驾驶等领域的深入应用,加速了车联网车载终端的部署。 据此,本文针对海量视觉数据的快速压缩传输、实时响应、抗噪性及轻量化硬件部署等的现实需求,将压缩感知与深度学习相结合,提出速度更快、性能更好和结构更轻量化的图像/视频压缩感知算法模型。具体而言,主要包括以下四个方面的工作: 一、针对当下压缩感知算法存在未充分利用图像稀疏性及重建算法复杂度高的问题,提出了两种新颖的基于小波变换的图像压缩感知算法,记为WCS-Nets(WCS-Net和WCS-Net+)。其中WCS-Net算法在DR2-Net算法的基础上,将sym8小波变换与采样网络相结合,充分挖掘了图像低冗余度的特征,实现了高保真测量值的获取。WCS-Net+算法利用多尺度残差学习网络,更好地优化了图像的重建质量,构成WCS-Net算法的增强版本。实验结果表明,与当下先进的图像压缩感知算法相比,所提算法在图像重建质量、运行速度和抗噪声性能方面均表现出色。 二、针对上述算法存在小波变换级数选择及采样、重构网络设计对压缩感知算法优劣影响的问题,提出了一种基于多级小波的分层深度网络图像压缩感知算法(MWHCS-Net)。该算法由三个模块组成:基于多级小波变换的采样模块、分层初始重建模块和轻量级深度重建模块。基于多级小波变换的采样模块,主要包括图像多级小波稀疏处理和分层采样两部分,用于测量值的渐进获取,进一步优化采样效率和稳定性。分层初始重建模块被设计为基本初始重建网络和增强的初始重建网络,其分别对应于重建图像的主导结构分量和纹理细节分量。轻量级深度重建模块用于增强和优化初始重建图像的纹理细节,最终实现图像的高质量重建。实验结果表明,与现有的深度学习算法相比,所提MWHCS-Net算法在保持相当运行速度的同时,具有优越的重建质量。此外,在大多数情况下,MWHCS-Net算法在抗噪声性能方面优于当下基于深度学习的图像压缩感知算法。 三、针对轻量化测量矩阵的构建问题,提出了基于渐进分层子空间学习的可扩展采样网络图像压缩感知算法(SPHSL-CSNet)。该算法采用逐步分层子空间学习的方式,以端到端的模式联合训练。具体而言,采用三层小波对图像稀疏变换,通过掩膜感知频带的方式实现频带分离,并对特定频带(低频、低中频、低中次高频率和整个小波频带)进行独立地采样,有效减少了测量矩阵的参数数量。实验表明,所提算法以较少的网络参数量,获得优质的重建恢复,更利于在计算资源有限或小存储空间设备上的部署。同时,所提算法对多光谱图像压缩也具有良好的效果。此外,SPHSL-CSNet算法在去噪性能方面亦表现出色。 四、针对当下视频压缩感知算法未充分利用视频序列帧内、帧间相关性和稀疏性,且重建网络以牺牲存储空间追求高质重建的问题,提出了一种基于小波残差采样及多域融合的视频压缩感知算法(WRMD)。具体而言,小波残差采样基于非关键帧位置就近选择关键帧,构建其与非关键帧在小波域的残差,自适应地实现高效和高质量的测量采样。同时,为进一步提高非关键帧的重建质量,采取多域融合的方式,将像素域、双关键帧多级特征域及残差帧多级特征域的信息进行融合优化。大量实验证明,WRMD算法在主、客观评价中均超越了目前主流的视频压缩感知算法和基于深度学习的图像压缩感知算法,具有出色的算法性能。

关键词： 无线传感网   压缩感知   K-SVD字典   数据压缩   时空相关性  

摘要： 针对无线传感网中,监测数据特征差异、节点能耗受限、现有数据压缩方法效率较低等问题,提出一种基于字典学习和压缩感知的数据压缩模型。改进K-SVD字典学习算法训练稀疏基,满足监测数据特征差异较大的特点,将稀疏变换由感知节点转移到基站,减轻感知节点能耗,降低压缩复杂度。在相同数据集上与现有的OEGMP算法以及基于DCT稀疏基的压缩感知算法做对比实验,其结果表明,在压缩率为0.2时,恢复数据均方根误差由0.281和0.260降低至0.093,模型在数据压缩率和恢复精度等方面有明显提升,可满足大部分实际应用需求。

关键词： 压缩感知   结构健康监测   振动试验   稀疏恢复  

摘要： 航天器产品结构健康状态监测是保证其发射与在轨运行过程中安全平稳运行的重要环节,由于多个传感器在长时间监测过程中会产生大量数据并需要对其进行高效传输和存储,本文针对数据传输问题提出并证明了基于稀疏恢复技术的一种分式最小化模型算法和改进的分式筛选算法,并结合卫星振动试验数据与经典匹配追踪等算法进行了对比分析验证,对比结果表明,在航天器所处环境条件下,所提算法处理得到的数据恢复相对误差均低于两种现有算法,可以在较高压缩比的条件下保证数据恢复的精度,实现了低维数据到高维数据传输。

关键词： 气溶胶   气溶胶辐射特性   再分析数据集   时空分布   压缩感知  

摘要： 大气气溶胶是悬浮在大气中的固态或液态颗粒所组成的气态分散系统,气溶胶中的组分,如可吸入颗粒物(PM2.5),能够长时间悬浮于空气中,其在大气中的浓度越高,空气污染越严重,故大气气溶胶的多维度信息对于了解和预测大气污染情况是极为重要的。然而,大气气溶胶具有明显的时空异质性,在不同的空间和时间下气溶胶的微观信息和宏观信息复杂而多变,仅通过理论方法难以得到准确的大气气溶胶信息,故气溶胶遥感探测成为了获得多种气溶胶参数的有效手段之一,但遥感探测存在数据缺失的情况。气溶胶再分析数据集作为新兴的多源融合数据集,具有在时间和空间上连续而完整的优点,然而,再分析数据集与地基数据一致性及时空分布特征的研究不成熟,且其压缩感知方法的重构效果较差,这在一定程度上增加了大气气溶胶再分析数据集传输、存储及使用的难度,所以进行再分析数据集一致性验证、时空分布特征和压缩感知方法的研究具有重要意义。本文从相关性分析、偏差分析和数据分布特征等方面,对再分析数据集的气溶胶光学参数进行了一致性分析,发现MERRA-2的气溶胶光学厚度和波长指数数据相比CAMS偏差更小,两个数据集的气溶胶光学厚度在特定地区和特定时间能够较准确地估计地基值,而波长指数的精度则较差。分析了再分析数据集气溶胶光学参数、组分浓度和辐射强迫的时空分布,研究发现:MERRA-2与CAMS的气溶胶光学厚度有一定的相似性,在气溶胶高负荷区域MERRA-2更低,在气溶胶低负荷区域MERRA-2更高,MERRA-2与CAMS的波长指数和单次散射反照率数据差异较大。计算了汤加火山喷发期间的辐射强迫,其时空分布显示:火山喷发产生的火山灰（粉尘）和硫酸盐等成分能够大幅增加气溶胶光学厚度,更多地散射和吸收太阳辐射,增强对地球表面和地球-大气系统的冷却效应,减少大气气溶胶向外释放的辐射能。基于人工神经网络、最佳平方逼近、自适应参数的空间加权等多种方法,较高精度地重构了再分析数据集的气溶胶光学参数,大幅压缩了其存储空间占用,最终发展了基于压缩感知概念的高精度气溶胶再分析数据变换和重构方法。本文基于再分析数据集的一致性、时空分布特征和压缩感知研究,弥补了气溶胶再分析数据集现有研究的不足,对于大气气溶胶研究及工程应用相关的数据获取和使用,具有重要意义和应用价值。