为有效降低体域网加速度数据远程获取系统功耗,提出一种用于低功耗的体域网加速度数据压缩感知处理框架。首先基于优化的稀疏二进制测量矩阵,线性投影压缩体域网传感节点的加速度数据,降低相应节点压缩算法的复杂性和数据传输量;在此基...为有效降低体域网加速度数据远程获取系统功耗,提出一种用于低功耗的体域网加速度数据压缩感知处理框架。首先基于优化的稀疏二进制测量矩阵,线性投影压缩体域网传感节点的加速度数据,降低相应节点压缩算法的复杂性和数据传输量;在此基础上,基于块稀疏贝叶斯学习模型,构建非稀疏加速度数据压缩感知重构算法,实现低功耗远程获取加速度数据。实验采用USC-HAD数据库的加速度数据,评估所提方法的有效性。结果表明,当优化稀疏二进制测量矩阵中每列非零元素个数为6、压缩率为50%时,能够获得与传统优化高斯随机矩阵、伯努利随机矩阵相同的压缩重构误差(约0.004 5);与一些传统的压缩感知重构算法相比,所提出的重构算法提高信噪比约17 d B,显著改善重构性能,可有效实现低功耗远程获取加速度数据。该方法有助于传感节点硬件简化设计,改善加速度数据重构性能,为构建低功耗体域网人体活动远程监测系统提供新的思路和方法。展开更多
文摘为有效降低体域网加速度数据远程获取系统功耗,提出一种用于低功耗的体域网加速度数据压缩感知处理框架。首先基于优化的稀疏二进制测量矩阵,线性投影压缩体域网传感节点的加速度数据,降低相应节点压缩算法的复杂性和数据传输量;在此基础上,基于块稀疏贝叶斯学习模型,构建非稀疏加速度数据压缩感知重构算法,实现低功耗远程获取加速度数据。实验采用USC-HAD数据库的加速度数据,评估所提方法的有效性。结果表明,当优化稀疏二进制测量矩阵中每列非零元素个数为6、压缩率为50%时,能够获得与传统优化高斯随机矩阵、伯努利随机矩阵相同的压缩重构误差(约0.004 5);与一些传统的压缩感知重构算法相比,所提出的重构算法提高信噪比约17 d B,显著改善重构性能,可有效实现低功耗远程获取加速度数据。该方法有助于传感节点硬件简化设计,改善加速度数据重构性能,为构建低功耗体域网人体活动远程监测系统提供新的思路和方法。
