一种基于量化比特擦除的鲁棒性压缩感知方法，包括以下步骤：1)发送方将图像展开成灰度向量，并用伯努利随机矩阵采样得到；2)量化传输：对采样值y应用Lloyd‑Max算法训练的量化器进行量化；3)将量化的y和Φ传给接收方，传输中采用Reed‑Solomon码保护信道；4)生成约束集合W，并进行反量化；5)设计迭代算法，利用Φ和W估计x，通过图像估计步骤和测量估计步骤来重构原始图像信号。本发明能够利用量化比特擦除的位置，生成测量y的约束集合W，然后设计迭代算法来实现图像重建，具有较高的理论与工程应用价值。
📄 2025100417198
📂 G06T9_00
👤 浙江工业大学
📅 2025-01-10
一种基于学习采样和卷积神经网络的压缩感知重构方法，对于一个图像输入，经过系统模型，能够以低采样率采样并重构还原。本发明将CSNet网络以及CombNet网络相结合，并以小波变换作为去噪手段，实现在低采样率的情况下最大程度地重构图像，能够很好地改善信号传输带宽问题，节约传输时间和存储空间，使得压缩感知技术在信号传输以及图像压缩领域拥有更高的效率以及更好的性能。
📄 2022108614345
📂 G06T11_00
👤 浙江工业大学
📅 2022-07-20
一种基于StOMP压缩感知图像重构系统的构建方法，包括：步骤1，采集图像；将图像分成s×T大小的图像块，S、T均是自然数；步骤2，将图像的图像块变换成长度为N的一维列向量X，N＝S×T；在采样端采用部分哈达玛矩阵Φ＝[φ1，φ2，...φm，...φM]作为测量矩阵对X进行采样，获取观测向量#imgabs0#获得的Y为长度为M的列向量，M为自然数；步骤3，利用稀疏表示对观测向量进行数学建模，得到观测向量在信号中的稀疏系数；步骤4，在重构端稀疏系数重构出估计信号。本发明运行效率高、准确度高、系统的鲁棒性增强。
📄 2021104052522
📂 G06T11_00
👤 浙江工业大学
📅 2021-04-15
本发明请求保护一种基于稀疏表示分类器的分布式压缩感知数据分类方法，涉及无线网络领域。针对传统分类方法应用于规模较大或应用较多的传感器网络时，未充分考虑传感节点数据传输和处理负担过重以及数据稀疏相关的特点，设计了一种适用于相关稀疏数据的分类方法，将数据稀疏系数的共有部分和特有部分作为分类依据，合理地对传感器数据进行处理。本发明提出的数据分类方法对于传感器网络数据分类结果比较准确，同时利用稀疏系数的策略能够有效地降低网络能耗，提高算法效率和数据处理性能，利于用户管理，便于网络应用及规模的拓展。
📄 2012104179825
📂 H04W28_08
👤 重庆邮电大学
📅 2012-10-26
本发明请求保护一种带有隐私保护的分布式压缩感知数据融合方法，涉及无线网络领域。设计了一种分布式场景下，基于数据稀疏位置信息隐藏的隐私保护融合方法，通过数据稀疏支撑集特征学习、数据真实稀疏位置隐藏和分布式压缩感知融合观测，避免了传统隐私保护融合方法所带来的额外通信开销，更有利于传感器网络的数据处理。本发明提出的数据隐私保护融合方法对于传感器网络数据隐私保护效果明显，同时利用分布式压缩感知融合的策略能够有效地降低网络能耗，提高算法效率和数据处理性能，利于用户管理，便于网络应用及规模的拓展。
📄 2013104400390
📂 H04W16_14
👤 重庆邮电大学
📅 2013-09-24
本发明公开面向任意形状BOIs的高光谱自适应压缩传感方法。针对任意形状感兴趣波段BOIs的三维高光谱图像，利用最大内接矩形法对任意形状感兴趣波段进行自适应分块，进而采用张量压缩传感与单光谱压缩相结合的方法，对任意形状的高光谱图像进行压缩感知处理，极大程度的降低了压缩感知算法的压缩性能。该发明提出一种新的压缩感知方法，以实现对任意形状感兴趣波段进行压缩，充分利用信号的稀疏性，提高了压缩感知过程中的处理性能。
📄 2019110068323
📂 G06T9_00
👤 杭州电子科技大学
📅 2019-10-22
本发明公开了一种网络拓扑结构动态自适应的压缩感知数据收集方法，包括以下步骤：(1)节点部署与初始化；(2)通过同层随机游走和跨层随机游走的组合，实现双重随机游走；(3)基于双重随机游走，完成压缩感知测量和测量结果同步上传过程；(4)SINK节点进行压缩感知数据恢复。本发明摆脱了对全局性位置坐标的依赖；通过双重随机游走同时实现了有向随机游走和路由节点空间分布非均匀性补偿；随机游走路径节点空间分布均匀性好，可以避免汇聚效应导致的瓶颈问题，同时数据恢复精度更高；实现了压缩感知测量和测量结果传的统一，摆脱了对静态传输路径的依赖，网络拓扑动态自适应性能好。
📄 2019103521234
📂 H04B17_382
👤 湖南商学院
📅 2019-04-19
本发明涉及一种基于单比特量化的光子辅助压缩感知接收器及其实现方法；包括激光器、调制器模块、稀疏信号、伪随机序列发生器、光电探测器、模数转换器模块和重构计算模块；其中，激光器、调制器模块、光电探测器、模数转换器模块、重构计算模块依次相连，稀疏信号连入调制器模块，伪随机序列发生器连入调制器模块与重构计算模块；本发明应用单比特量化使得整个系统结构简单高效，极大地降低采样后的数据量，且光链路中调制和混频产生较高的非线性影响也可以通过单比特压缩感知良好的抗噪声性能得到有效控制。
📄 2020116374147
📂 H04B10_70
👤 淮安昆博信息科技有限公司
📅 2020-12-31
一种基于改进的近似消息传递的心电信号重构方法，包括以下步骤：1)构造m*n维稀疏观测矩阵Φ；2)利用观测矩阵对信号x进行压缩测量，得到长度为m的观测向量y；3)利用信号x的先验信息和似然估计对心电信号进行最小均方差估计，并得到一个估计值，再通过去噪器对估计值进行去噪处理得到重构的心电信号，重复迭代直到收敛。本发明基于向量近似消息传递算法，充分利用信号先验信息，通过使用NLM去噪器，在有噪声的区域，将相似结构区域替换噪声区域，在不损失过多细节的情况下达到较好的去噪效果，在每次迭代中有效矫正心电信号中的噪声偏差，提高算法的收敛速度和重构性能，在保证重构速度的前提下重构精度明显优于传统的心电信号重构方法。
📄 2023108759442
📂 G06F18_10
👤 南昌大学
📅 2023-07-18
本发明公开了一种基于压缩感知的多通道压缩传感优化方法及系统，属于压缩感知技术领域，包括对测量矩阵进行奇异值分解，得到优化后的观测值矢量，并利用同步正交匹配追踪联合重建算法来重建原始信号。本发明通过对测量矩阵进行奇异值分解，实现测量矩阵和重建矩阵的分离设计，得到可分离重构矩阵，由于优化的重构矩阵行相互正交，减少了测量值之间的相关性，利用测量值来重建出原始信号，大大提高了信号的重建精度。
📄 2019103857029
📂 H03M7_30
👤 安徽大学
📅 2019-05-09
本发明公开了一种基于非负约束的奇异值分解压缩鬼成像方法及系统，属于计算鬼成像技术领域，将二维图像转化为一维信号后用测量矩阵投影得到观测向量；对测量矩阵进行奇异值分解，得到优化的观测向量和优化的测量矩阵；基于优化的观测向量和优化的测量矩阵，采用正交匹配追踪算法重建原始信号。本发明针对基于压缩感知的非负测量矩阵进行奇异值变换，对测量矩阵和观测向量进行优化，稀疏了测量矩阵中的0元素，然后采用正交匹配算法进行原始稀疏信号的重建，减少了测量次数，缩短了重建时间，提高了信号重建质量，增强了抗噪性能。
📄 2019103856914
📂 G06T5_00
👤 安徽大学
📅 2019-05-09
本发明涉及一种基于压缩感知技术的信号解调方法，包括：对原始信号进行预处理，获得待采样信号；对所述待采样信号进行非等间隔采样，获得采样信号；构造用于解调所述采样信号的感知矩阵；根据所述采样信号和所述感知矩阵解调所述原始信号的频率位置。该信号解调方法通过非等间隔的压缩感知采样技术并且通过构造感知矩阵，能够对低速率采样过的信号进行恢复，使得平均采样速率大大降低，且该信号解调方法未使用混频处理，因此功耗显著降低。
📄 2018110964088
📂 H04L27_14
👤 陕西亿星远能科技有限公司
📅 2018-09-19
柿子坊 · 知识产权运营
柿子坊知识产权运营平台