基于压缩感知的实时心电信号压缩算法

远程无线心电实时监护系统的心电采集终端基于嵌入式设备开发,系统资源和网络带宽都收到限制,这要求系统设计具有低功耗和数据实时压缩的功能,因此引入压缩感知算法对心电信号进行处理。压缩感知算法具有编码计算简单快速,解码计算相对复杂的特点。对于心电信号,需要对压缩感知算法在实时心电压缩系统中的可行性进行研究。     

一种改进的基于压缩感知的差分关联成像方法

基于压缩感知的差分关联成像虽然能够以较少的采样次数高质量地恢复出物体的信息,但在图像重构过程中存在矩阵过大,占用计算机内存大,重构时间长的问题。为此提出了有数据预处理的改进压缩感知差分关联成像方案,首先鉴于光强涨落特性得到部分测量数据构造出初始字典D0,然后通过学习得到字典D作为传感矩阵,最后通过正交匹配追踪恢复出物体的信息。实测"单缝"实验数据成像结果表明,与传统的压缩感知差分关联成像相比,该方案以更少的测量数据恢复出高清晰的像,成像效率和质量都得到了提高,降低了对系统硬件的过高要求,缩短了图像重构时间,从而将有助于加快量子成像技术向实用化转化的步伐。     

基于DSP的动态心电记录仪

本文介绍了一种基于DSP为CPU的动态心电记录仪的硬件和软件的设计及组成，该记录仪充分发挥了DSP具有浮点运算和处理速度快的优势，结构简单，性能优异。     

基于压缩感知理论的WSNs时序信号分段压缩算法

针对压缩感知理论(CS)应用在无线传感器网络中时序信号在传输过程存在压缩比率低、通信能耗高等问题,提出了一种时序信号分段压缩算法来解决在信号稀疏度未知及高稀疏度条件下,压缩感知数据重构算法中存在的重构效率低,重构精度差,影响网络生命周期的问题.该算法将采集数据中非零元素个数作为分段依据,通过减少段内非零元素组合数量来提高信号重构精度,同时利用了压缩感知理论特性实现了对信号的高压缩率.实验结果表明,在以混沌量子免疫克隆重构(Q-CSDR)算法为重构算法、在信号盲稀疏度及稀疏度高于40的条件下,能够以大于0.4的压缩比率对信号进行压缩,其重构信号的均方误差小于0.01,能够延长网络寿命2倍左右.     

一种改进的压缩感知重构算法

压缩感知重构信号时,在感知过程中如何选定支撑集对算法的重构性能至关重要.基于压缩采样匹配(CoSaMP)重构算法,引入Dice系数匹配性度量准则,优化了支撑集的选择.上述算法改进了从给定的观测矩阵中挑选与残差信号最匹配原子的匹配准则,体现了残差信号中各个元素对原子选取的重要作用.仿真结果表明:在同等稀疏的条件下,重构算法与传统的CoSaMP算法相比,误差低于传统CoSaMP算法,且随着观测维数的增加,重构信号的平均成功概率比传统的CoSaMP算法的大,实现了较小的重构误差和更好的压缩性能.     

一种改进的图像分块压缩感知模型

分块压缩感知用于图像获取可以解决传统压缩感知在重构时运算量大的问题,但是运用分块压缩感知却使重构图像的质量有所降低。提出了一种改进的图像分块压缩感知算法。该算法通过对观测矩阵加权,保证了图像低频部分在重构时获得更大的精度,提高了图像的质量。另外,算法根据各图像块不同纹理复杂性,自适应地改变观测值数目,使得在保证图像质量的前提下,重构所需的总观测值数目更少。实验证明了该算法的有效性。     

一种改进的基于压缩感知的稀疏信道估计算法

分析了突发信号的结构特征,提出了一种改进的基于压缩感知的稀疏信道估计方法。在信道初始估计中,利用前导伪随机序列的自相关特性,估计信道的路径时延,以此初始化稀疏重构算法,增加了信道估计的先验信息。在后续处理中,利用前一时刻已估计出的信道信息,跟踪估计当前时刻的信道信息。仿真证明,与最小二乘估计算法、正交匹配追踪算法和分离近似稀疏重构算法相比,本文提出的算法提高了信道估计的精度,降低了接收系统的误码率。     

一种基于压缩感知的超声阵列全矩阵数据重构方法

针对传统全矩阵数据采集数据量大、采样时长随阵元个数增加的问题,提出了一种基于压缩感知的超声阵列全矩阵数据重构方法.根据多阵元等幅同步有限次激励下采集的超声信号与全矩阵数据的压缩采样关系,利用多阵元等幅同步有限次激励下采集到的少量超声信号进行超声阵列全矩阵数据重构,并将重构数据用于缺陷的全聚焦成像.基于提出的数据压缩采集...     

WSN中一种基于压缩感知的数据恢复算法

无线传感器网络应用大多依赖完整的传感器数据,但由于无线传感器网络常出现数据丢失现象,丢失率较高,当前的数据恢复方案效果较差。根据Intel Indoor和GreenOrbs2个项目的真实数据,证实温度和光照的变化之间存在较高的关联度。以此为基础,提出一种基于多属性协助和压缩感知的数据恢复精度优化算法（MACS）。利用属性特征恢复多属性数据集,进行基于真实数据驱动的仿真实验。结果表明,当丢失率低于60％时,MACS算法对所有数据进行恢复的差错率低于5％,即使丢失率高达85％,MACS算法也可以对所有数据实现估计,且差错率低于10％。     

一种改进的LZW压缩算法

在无损压缩算法中，字典压缩作为一种高压缩比，速度快的方法也得到人们的一致认可，但在局部和全局性能上，该类算法没有能够得到有效的处理，该文提出了一种动静结合，兼顾全局与局部的LZW改进算法、实验表明，该算法是一种可以满足不同用户需求的压缩比更高、算法稳定、安现简单的改进算法。     

改进微分进化算法在压缩感知中的应用

压缩感知是基于信号稀疏性提出的采样理论,它在压缩成像、医学图像、雷达成像、天文学、通信等领域都有广泛的应用.压缩感知问题的求解本质上是一个优化问题,本文在微分进化算法的基础上对其改进,提出了一种改进微分进化算法,将其应用于压缩感知问题的求解中,取得了良好的效果.     

一种实时心电图数据压缩算法

提出了一种实时心电图ＥＣＧ数据压缩算法。它是将自适应变门限算法与转折点算法相结合。自适应变门限算法是对ＡＺＴＥＣ算法的改进．它计算ＥＣＧ信号的几个统计参数来确定可变门限值。转折点算法是分析采样点的趋势并只存储每对连续的采样点中的一个。它保留信号的斜坡标志发生变化的峰点和谷点。本文算法兼有这两种算法的优点。这种算法在较高压缩比的情况下重建心电图信号失真较小．     

心电图小波零树压缩算法的研究

该文提出了一种小波零树编码的心电图压缩算法。算法由整数小波变换、小波零树编码、自适应算术编码三部分组成。算法不需要任何浮点运算,计算复杂度低,压缩效率高,便于在便携式Holter中实现。用MIT-BIH心率数据库的样本数据对提出的算法进行测试,结果表明提出的算法是有效的,在得到高压缩比的同时仍能保持低的信息失真度。     

一种改进的邻接关系可查询压缩算法

目前多数数据压缩算法不能直接在压缩结果上进行数据查询,大数据的线性化压缩算法虽然可直接在压缩后的数据上进行邻接关系查询,但压缩率较低.针对该问题,对线性化压缩的实现原理进行研究,分析MPk线性化算法在不同社会网络样本下的压缩效率,发现线性化压缩结果中存在冗余信息,并针对该情况设计改进算法,删去原有数据结构中的冗余部分,进一步提高压缩率.实验结果证明,改进算法的时间复杂度与原算法相同,压缩率平均提升23％.     

一种改进的零树小波图像压缩算法

基于小波变换的图像压缩算法在较低码率时出现的Gibbs效应多年来一直未能得到很好的解决,其主要原因是,纯粹基于像素值的MSE(mean square error)准则对于图像边缘对应的小波系数分配了较少的比特数.文章在详细分析了Shapiro和Said & Pearlman等人提出的零树小波压缩算法的基础上,从抑制高频噪声和图像边缘对应系数的自适应量化等方面对原来的算法进行了改进,给出了相应的对比实验结果.文章的主要意义在于,提出了识别与压缩相结合的思想,由于小波变换的空间局部化特性,因此可以进行非常灵活     

基于蚁群算法的带截止区均匀量化器的优化及其在ECG数据压缩中的应用

结合小波系数的特点,采用了改进的均匀量化器——带截止区的均匀量化器(USDZQ)对变换后的小波系数进行量化。量化器的参数选取直接影响到ECG数据压缩的质量和压缩比,因此重点研究了USDZQ的参数优化问题,选取了蚁群优化算法(ACO)作为USDZQ参数的优化工具。最后,利用本文算法对MIT-BIH心律失常数据库的ECG信号进行了编码测试。实验结果表明,只要对USDZQ的参数进行合理优化,USDZQ就能获得优于均匀量化的性能,并可以成功地应用于ECG数据压缩中。     

噪声环境下起搏心电信号的压缩感知重构算法

针对传统压缩感知重构算法在起搏心电信号远程监测过程中易受噪声干扰的问题,提出在利用正交匹配追踪进行残差更新的迭代过程中引入岭回归正则化参数K,降低噪声对重构结果的影响。利用岭迹法证明了最佳K值与信噪比呈负相关,为选取K值以获得更接近真实解的重构信号提供了理论依据。对基于岭回归的重构算法与分块稀疏贝叶斯学习算法、正交匹配追踪算法进行了对比分析,实验结果表明,在低信噪比环境下,引入了岭回归思想的算法在保留高重构效率的同时提高了重构精度。     

一种使用帧间差值的图像传感器片上视频压缩算法

为了减少图像传感器视频数据的输出,提出了一种通过编码相邻两帧之间差值的无损视频压缩算法.算法首先将基于差分脉冲编码调制原理的差分操作在模拟域实现,减小了电路的复杂度.然后两帧之间的差值被基于块的无损压缩方案编码.实验结果证明,压缩后的图像数据可以被无损失的还原.通过对7个具有代表性的8位深度1280×720@60 fps的样本视频进行测试,在块大小为4×4和模式切换阈值为63时实现了最佳的压缩效果.在几乎没有光的条件下压缩率高达78.5％.在复杂运动场景下该算法压缩率为43.5％.提出的压缩算法更适用于长时间处于静止场景的视频录制.