排序方式: 共有17条查询结果,搜索用时 15 毫秒
1.
2.
3.
4.
5.
6.
稀疏随机矩阵有限等距性质分析 总被引:2,自引:0,他引:2
稀疏随机矩阵由于具有存储容量小、编码和重构复杂度低、易于更新等优良特性而适用于分布式应用。为确保稀疏随机矩阵可作为压缩感知观测矩阵,该文证明了稀疏随机矩阵的有限等距性质(RIP)。首先,证明了测量矩阵满足有限等距性质等价于其子矩阵的格拉姆矩阵特征值分布于1附近;在此基础上,证明了当测量值个数满足特定条件时,稀疏随机矩阵以接近于1的概率满足有限等距性质。仿真实验表明,稀疏随机矩阵在保证稀疏信号精确重建的同时,大大节约了测量和重建所需的时间。 相似文献
7.
通过探索无线传感器网络节点感知数据的时空相关性,可以构建适用于不同应用情形的联合稀疏模型。利用联合稀疏模型,提出了一种适用于无线传感器网络的分布式压缩感知算法。该算法采用联合编码联合解码的方式,充分利用了信号内部和信号之间的相关性,从而可以用更少的观测值实现信号群的精确重构。与单独编码单独解码相比,采用联合编码联合解码的方法,在保证信息可靠传输的前提下,减少了整个网络的数据流量,节约了宝贵的能量资源,以能量有效的方式满足了传感器网络的应用。 相似文献
8.
传感器网络节点的能量有限,为节省传感器节点的能耗,提出了利用节点内及节点间的时空相关性的压缩感知模型及算法,减少了通信的数据量,进一步节省了能耗,延长了网络的生命周期。算法在分簇协议和多跳路由优化的基础上,在簇头节点运用较为简单的压缩感知压缩测量方法,降低了计算复杂度。通过对实测数据的误差分析及能耗仿真,验证了该模型及算法的有效性和实用性。 相似文献
9.
10.
部分W-分离正交语音信号的盲分离方法 总被引:1,自引:0,他引:1
在W-分离正交性假设的语音盲分离方法中,由于没有考虑多个源信号同时存在的情况,导致分离信号中不可避免地存在音乐噪声。针对这种部分W-分离正交情况,提出了基于信道估计的语音盲分离方法。该方法先检测只有一个源信号存在的时频点并进行归一化处理,使得处理后的结果与频率无关,克服了W-分离正交性假设的不足以及频率置换问题,通过K-means聚类估计出信道,再结合信号子空间方法重构源信号。仿真结果表明,提出的方法可以有效减少分离语音中的音乐噪声,与典型的时频二元掩蔽方法相比,其平均信号失真比提高3.02dB,同时平均信干比提高4.61dB。 相似文献