面向低能耗生理信号远程监控的贝叶斯去量化与数据压缩
信息论
2015-06-09 v1 math.IT
摘要
我们解决了在低能耗远程监控中应用量化压缩感知(CS)的问题。迄今为止，很少有工作在信号仅近似稀疏的应用中研究此问题。我们提出了一种基于量化CS的两阶段数据压缩器，其中信号通过压缩感知压缩，然后压缩测量值仅以每测量值2比特进行量化。该压缩器可大幅减少传输比特预算。为从欠定、量化的测量值中恢复信号，我们开发了贝叶斯去量化(Bayesian De-quantization)算法。它可利用量化误差模型与生理信号的相关结构来提升恢复质量。所提出的数据压缩器与恢复算法在12名受试者快速跑步时记录的数据集上进行了验证。实验结果表明，联合使用压缩感知(压缩比50%)与2比特量化器实现了平均2.596拍每分钟(BPM)的估计误差。结果意味着我们可有效传输n比特而非n个样本，这对低能耗无线远程监控是一项实质性改进。
引用
@article{arxiv.1506.02154,
title = {Bayesian De-quantization and Data Compression for Low-Energy Physiological Signal Telemonitoring},
author = {Benyuan Liu and Hongqi Fan and Qiang Fu and Zhilin Zhang},
journal= {arXiv preprint arXiv:1506.02154},
year = {2015}
}