面向压缩感知的基于相关性字典学习算法

• 作者: 何文文 侯孟书 叶娅兰 李云霞 程云飞
• 来源期刊: 电子科技大学学报
• 学科: 工学
• 关键词: 聚类 压缩感知 字典学习 过完备字典 可穿戴设备
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 计算机工程与应用
• 页码范围: 703-708
• 页数: 6页
• 分类号: TP391
• 字数: 4930字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-0548.2017.05.011

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	侯孟书	电子科技大学计算机科学与工程学院	43	557	14.0	22.0
2	叶娅兰	电子科技大学计算机科学与工程学院	9	41	5.0	6.0
3	李云霞	电子科技大学自动化工程学院	9	43	3.0	6.0
4	何文文	电子科技大学计算机科学与工程学院	1	5	1.0	1.0
5	程云飞	电子科技大学计算机科学与工程学院	1	5	1.0	1.0