基于分布式压缩感知的可穿戴多传感数据联合重构新方法

来源 :第五届全国可穿戴计算学术会议暨2015可穿戴与医学变革研讨会 | 被引量 : 0次 | 上传用户:gigitsang
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
为提高可穿戴多传感数据远程联合重构性能,提出了一种基于分布式压缩感知的可穿戴多传感加速度数据联合重构新方法.该方法首先对可穿戴多传感原始数据压缩编码,将数据融合传送至远端服务器,然后基于可穿戴传感数据的时空相关性,构建块稀疏贝叶斯学习算法联合重构算法,实现压缩数据解码,准确重构各传感原始数据.采用该方法对美国加州伯克利大学可穿戴多传感运动数据分析,实验结果表明,基于不同编码采样率,本文所提方法重构性能明显优于传统的TMSBL算法和tMFOCUSS算法重构性能,准确解码压缩数据,有望在远程医疗环境推广应用.
其他文献
对考虑运输时间的柔性生产调度问题进行了研究.首先采用运输时间矩阵对析取图模型进行改进,建立了运输时间优化的多阶段决策方法.然后建立了考虑运输时间的关键链优化方法,通过邻域搜索快速获得近优解.最后开发了调度实验系统对上述工作进行验证.实验结果表明,该方法可较稳定地获得近优调度解,并具有较好的计算效率。
采用改进的随机选择策略、自适应交叉和变异算子、种群协同进化算法等建立了一种新的遗传算法,在求解基于多工序、工序交叉、工件流组合等条件下的柔性制造系统调度问题时,保证了种群的广泛性、解的全局性以及算法的执行效率.概述了遗传算法求解柔性制造系统调度的问题,研究了遗传算法的早熟原因及对策,在分析遗传算法避免局部优化及早熟的基础上,提出了基于纵横向状态关联的自适应交叉和变异算子,设计了协同进化遗传算法求解
针对梯度优化算法易于陷入局部最优解和智能算法优化效率低等问题,本文提出了一种基于试验设计和梯度算法的组合优化策略,并选择拉丁超立方设计和序列二次规划法进行组合.首先采用拉丁超立方设计方法在设计空间中进行采样,然后在样本中选取函数最小值,并将其所对应的输入变量值作为序列二次规划法的初值进行优化求解.选择两个多模态函数算例和机床主轴多目标工程优化实例进行验证,并与模拟退火、遗传算法和粒子群算法等智能优
基于集群企业本地网络是知识获取的重要机制这一观点,采用自我中心网络理论的“结构—关系”分析方法,选取了表征集群企业本地网络特征的变量,推演出上述变量对集群企业中知识获取绩效的影响,剖析了知识获取关键要素在其中所起到的中介作用.在此基础上,构建了集群企业本地网络中知识获取的机理概念模型.认为集群企业并不会天然平等地获得知识,而是需要一定的本地网络特征作为前提条件.进而指出,集群企业应通过参与产业链建
现有冲击噪声背景下的DOA估计方法都是基于分数低阶统计量提出的,且只对独立信号或者相干信号进行估计,其矩阵构造求解复杂且需要足够的快拍数量.根据冲击噪声的幅值特点和快拍数数量,通过对阵列接收数据进行去冲击预处理后进行数据重构,提出了一种冲击噪声背景下独立信号与相干信号并存的DOA估计新的自适应方法.该方法首先估计出阵列接收数据中信号成分的幅值上限,然后对阵列接收数据中受到冲击噪声影响的数据进行归一
传统的人群密度计算方法主要采用图像或视频监控进行识别估算,不能从整个城市范围进行精确的计算.利用移动电话在基站后台留下的轨迹数据,对移动基站手机接入量与人群分布的关系给出形式化的定义;建立了手机分布密度与人群密度之间的关系模型:使用马尔科夫链对基站覆盖区域的人群分布密度构建动态预测模型.最后利用某市主城区中国移动的基站数据和手机轨迹数据进行实验,实验结果显示,人群密度的预测精度为89.4%,为下一
超限学习机是一种快速学习方法,目前在各个研究领域获得了广泛的研究热潮.相比传统的学习方法,超限学习机采用单隐藏层前馈神经网络(Single-hidden Layer Feedforward Neural Network,SLFNs),随机初始化隐藏层权值,直接求解输出层权值,而不需要复杂的迭代过程.在很多的研究中,超限学习方法比其他学习方法的准确率更高,速度更快.核方法在极限学习中更加多样,通过不
设计了一种基于可穿戴技术的血氧饱和度检测装置,用于实时、连续检测人体血氧饱和度和体温.核心部分包括血氧传感器、集成模拟前端、混合信号微控制器、太阳能电池以及蓝牙模块.采用了低功耗元件并且优化了PCB布局,设计出适合进行户外运动或者缺氧性疾病的血氧饱和度随时随地监测的超低功耗可穿戴设备,数据通过低功耗蓝牙(BLE)传输至手机APP.创新性地使用了太阳能充电电源进行辅助供电。
心率是人体最基本的生理参数之一,与人的健康、疾病、寿命相关.对心率的日常监测有助于某些疾病的诊疗和预警,以及健康的提升.由于心率测量通常需要电极,并不非常适合可穿戴应用的要求,因此利用光电容积描记法测量脉搏波成为一种替代的心率测量方法.在穿戴条件下测量的脉搏波容易受到工频噪声、基线漂移等干扰,影响脉率测量精度,因此脉率计算方法成为提高精度的关键问题之一.本文采用一种基于哈尔小波的奇异点检测方法计算
心电信号可体现自主神经系统的动态变化,经分析能反映睡眠的深度和时期信息.但因心电信号的非线性特性及敏感性,往往导致分析结果不稳定且缺乏生理意义.本研究采用经验模式分解结合心肺耦合技术的方法,通过分析单导心电数据,提供准确的睡眠分期及睡眠呼吸暂停综合征(OSAHS)的疾病评估信息.通过分析30例临床PSG的心电信号,与专业医生的人工睡眠报告比对,发现两者睡眠分期结果的最大互相关系数高达0.904,并