搜索资源列表
Short-duration-power_CS
- 根据压缩传感(Compressed Sensing，cs)N论，首次提出了短时电能质量扰动信号的压缩采样方法，该方法突破了奈奎斯特采样频率的限制，实现了低于奈奎斯特采样频率的低速率采样。文中对比分析了CS理论与传统采样理论，研究了cS短时电能质量信号压缩采样的实现方法，包括：测量矩阵的构建、稀疏基的选取和电能质量信号快速贝叶斯匹配追踪重构算法(FBMP)-Compressed sensing ( Compressed Sensing , cs ) N theory , first propose
Image-reconstruction_CS
- 合稀疏贝叶斯学习(SBL)和可压缩传感理论(CS)，给出一种在噪声测量条件下重建可压缩图像的方法。该方法将cS理论中图像重建过程看作一个线性回归问题，而待重建的图像是该回归模型巾的未知权值参数；利用sBL方法对权值赋予确定的先验条件概率分布用以限制模型的复杂度，并引入超参数- Hop sparse Bayesian learning ( SBL ) and compressible sensing theory ( CS ) , give a compressible image recon
The-Physics-of-Compressive-Sensing
- 基于梯度物理的压缩感知（CS）和恢复算法。对 CS形式进行了总结。介绍了物理意义的连贯性和测量。以及基于梯度的恢复算法及其几何解释。-The physics of compressive sensing (CS) and the gradient-based recovery algorithms are presented. First,the di® erent forms for CS are summarized. Second, the physical meanings of
Compressed-sensing
- 非常具有参考价值的文章：压缩感知技术在监控病人体域网方面的应用。-In this paper, we quantify the potential of the emerging compressed sensing (CS) signal acquisition/ compression paradigm for low-complexity energy-efficient ECG compression on the state-of-the-art Shimmer WBSN
Compression-perception-theory-
- 压缩感知理论及其研究进展,文综述了cs理论框架及关键技术问题，并着重介绍了信号稀疏变换、观测矩阵设计和重构算法三个方面的最新进展，是一篇综述。-Compression perception theory and research progress, cs paper reviews the theoretical framework and key technical issues and focuses on the latest developments signal sparse tran
Introduction-Compressed-Sensing
- 压缩感知（CS）理论是在已知信号具有稀疏性或可压缩性的条件下，对信号数据进行采集、 编解码的新理论。主要阐述了CS理论框架以及信号稀疏表示、CS编解码模型，并举例说明基于压缩感知理论的编解码理论在一维信号、二维图像处理上的应用。 -Compressed Sensing(CS) theory is a novel data collection and coding theory under the condition that signal is sparse or compress
Compressed-Sensing-Theory
- 用压缩感知理论对信号数据进行采集、编解码,进行数据恢复。主要阐述了CS理论框架以及信号稀疏表示、CS编解码模型.-Compressed Sensing(CS) theory is a novel data collection and coding theory under the condition that signal is sparse or compressible.
Research-on-Compressed-Sensing
- 经典的香农采样定理认为,为了不失真地恢复模拟信号,采样频率应该不小于奈奎斯特频率(即模拟信号 频谱中的最高频率)的两倍.但是其中除了利用到信号是有限带宽的假设外,没利用任何的其它先验信息.采集到 的数据存在很大程度的冗余.Donoho等人提出的压缩感知方法(Compressed Sensing或Compressive Sampling, CS)充分运用了大部分信号在预知的一组基上可以稀疏表示这一先验信息,利用随机投影实现了在远低于奈奎斯 特频率的采样频率下对压缩数据的直接采集.该