无线传感器网络中数据具有较强联合稀疏特性,应用压缩感知理论,通过联合编码压缩数据,再使用联合解码进行还原,可实现低采样代价收集传感数据。提出了一种基于联合稀疏模型与压缩感知理论的同步子空间追踪算法,以稀疏特性为先验知识,通...无线传感器网络中数据具有较强联合稀疏特性,应用压缩感知理论,通过联合编码压缩数据,再使用联合解码进行还原,可实现低采样代价收集传感数据。提出了一种基于联合稀疏模型与压缩感知理论的同步子空间追踪算法,以稀疏特性为先验知识,通过回溯迭代方式,判断并选取合适的联合子空间,用更少量观测值实现原始传感数据的精确重构。与SCo Sa MP算法、SP算法在不同稀疏特性和不同采样率下相比较,同步子空间追踪算法具有较好的恢复性能。展开更多
针对实际应用中移动说话人场景,相邻语音帧之间的空间相关性急剧下降会导致声源定位估计性能下降的问题,提出利用语音频点间的空间相关性进行频域联合稀疏估计,从而提高声源移动条件下的声源定位性能.实验结果表明,频域联合稀疏的波达方...针对实际应用中移动说话人场景,相邻语音帧之间的空间相关性急剧下降会导致声源定位估计性能下降的问题,提出利用语音频点间的空间相关性进行频域联合稀疏估计,从而提高声源移动条件下的声源定位性能.实验结果表明,频域联合稀疏的波达方向(direction of arrival,DOA)估计算法在移动说话人场景中,性能优于传统定位算法和基于压缩感知(compressed sensing,CS)的正交匹配追踪算法.展开更多
文摘无线传感器网络中数据具有较强联合稀疏特性,应用压缩感知理论,通过联合编码压缩数据,再使用联合解码进行还原,可实现低采样代价收集传感数据。提出了一种基于联合稀疏模型与压缩感知理论的同步子空间追踪算法,以稀疏特性为先验知识,通过回溯迭代方式,判断并选取合适的联合子空间,用更少量观测值实现原始传感数据的精确重构。与SCo Sa MP算法、SP算法在不同稀疏特性和不同采样率下相比较,同步子空间追踪算法具有较好的恢复性能。
文摘提取黄瓜7种叶部病害图像颜色、形状和纹理的共26种特征进行研究,发现不同形式的特征在用同一样本集合稀疏表示时,它们的稀疏系数有着相似的结构.通过引入联合稀疏模型构造方程,对这一规律进行数学描述,使用加速近端梯度法求解联合稀疏系数,最后借助重构误差来实现病害识别.试验表明,这一算法的正确识别率达到90.67%,较稀疏表示分类算法提高5.7%,计算消耗时间7.5 s,较稀疏表示分类算法缩短4.3 s.
文摘针对实际应用中移动说话人场景,相邻语音帧之间的空间相关性急剧下降会导致声源定位估计性能下降的问题,提出利用语音频点间的空间相关性进行频域联合稀疏估计,从而提高声源移动条件下的声源定位性能.实验结果表明,频域联合稀疏的波达方向(direction of arrival,DOA)估计算法在移动说话人场景中,性能优于传统定位算法和基于压缩感知(compressed sensing,CS)的正交匹配追踪算法.
