换一批
换一批心电压缩感知恢复先验块稀疏贝叶斯学习算法
Priori-block sparse Bayesian learning algorithm for compressed sensing based ECG recovery
摘要压缩感知在低成本、低功耗、长时间的无线心电信号应用上具有优势。但现有重构算法中存在重构信号质量不理想、较大的计算量以及不能自适应噪声变化等问题。本文针对非稀疏心电信号快速精确压缩感知重构提出了先验块稀疏贝叶斯学习（P-BSBL）算法。算法在块稀疏贝叶斯学习基础上，根据心电信号先验引入了近似零解空间初值设置和数字特征迭代停止条件。为了验证算法效果，提出的方法在MIT-BIH心电数据库上进行了仿真实验。实验结果表明P-BSBL能够实现高效非稀疏心电信号高信号质量重构。P-BSBL在正常和非正常心电信号重构上都优于凸优化和贪婪方法；适用于高数据压缩比和噪声变化的心电信号重构。
更多相关知识
关键词
先验块稀疏贝叶斯学习压缩感知心电信号恢复人体传感器网络priori-block sparse Bayesian learning (P-BSBL)compressed sensingelectrocardiogram (ECG)signal recoverybody sensor network(BSN)
分类号
TN911.7
栏目名称
学术论文
发布时间
2014-09-09
基金项目
国家自然科学基金
江苏省自然科学基金
江苏省研究生创新基金
中央高校基本科研业务费资助项目
- 浏览2
- 被引29
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
