《面向可穿戴設備的壓縮感知關鍵技術研究》是依託電子科技大學,由葉婭蘭擔任醒目負責人的青年科學基金項目。
基本介紹
- 中文名：面向可穿戴設備的壓縮感知關鍵技術研究
- 依託單位：電子科技大學
- 項目類別：青年科學基金項目
- 項目負責人：葉婭蘭
項目摘要,結題摘要,
項目摘要
可穿戴設備由於較低採樣率和噪聲干擾，導致採樣的生理信號的稀疏性較差。大多數壓縮感知算法對不足夠稀疏的信號重構效果不理想，而目前能對不足夠稀疏信號重構的僅有的少數壓縮感知算法，不能有效滿足可穿戴遠程健康監護系統同時對重構精度和速度的需求。因此，面向可穿戴設備的壓縮感知關鍵技術研究具有一定的挑戰性。本項目的主要研究內容：1.針對不足夠稀疏的生理信號，設計高效率的字典學習算法，以獲得更為有效的稀疏字典，解決生理信號的最佳稀疏表示；2.設計與最佳稀疏字典滿足非相干條件的觀測矩陣，確保可穿戴設備以高壓縮率採樣後的數據不丟失微弱的重要生理信息，為精確重構信號提供保障；3.將機器學習領域的變分推斷方法與稀疏貝葉斯學習理論相結合，提出基於變分貝葉斯推斷的重構恢復算法，以滿足可穿戴健康監護系統同時對快速和高精度重構信號的需求。
結題摘要
本項目按預定計畫，完成了文獻調研，理論研究，算法設計，數據處理和實驗驗證等工作。首先，我們針對不足夠稀疏信號的最佳稀疏表示問題，充分挖掘不足夠稀疏生理信號隱含的相關性的結構特徵，提出了一種最小二乘字典學習算法，解決了傳統字典學習算法所設計得到的字典不能獲得非稀疏信號的最佳稀疏表示導致重構算法精度低的問題。其次，針對不足夠稀疏信號在不同壓縮率下信號的稀疏性不同，導致壓縮感知重構算法精度和速度差的問題，課題組提出了一種基於交替方向乘子法和塊稀疏貝葉斯學習的壓縮感知重構方法。最後，我們利用塊稀疏模型、稀疏表示、貝葉斯重構算法實現了可穿戴遠程健康監護原型系統，並在公開的標準數據集和實際套用場景中驗證了算法的有效性和先進性。本項目圓滿完成了預定的研究目標和成果目標，代表成果包括了5篇SCI檢索論文，2篇EI檢索論文，同時在成果套用轉化和交叉學科的研究中有所突破，包括2個國家發明專利申請，1個國家發明專利授權。
