用于节能无线远程监护的压缩感知：挑战与机遇
信息论
2014-04-22 v2 math.IT
机器学习
摘要
作为一种有损压缩框架，压缩感知因其在降低能耗和实现低功耗设备设计方面的能力，在生物信号的无线远程监护中备受关注。然而，生物信号的非稀疏性给压缩感知带来了主要挑战。本研究提出并评估了一种时空稀疏贝叶斯学习算法，该算法具备恢复此类非稀疏生物信号的理想能力。它利用了单个生物信号内的时间相关性以及不同通道间生物信号的通道间相关性。所提出的算法被用于多通道脑电图 (EEG) 信号的压缩感知，以估计车辆驾驶员的困倦程度。结果表明，即使包含各种伪影的原始 EEG 信号被压缩 90%，困倦程度估计也几乎未受影响。
引用
@article{arxiv.1311.3995,
title = {Compressed Sensing for Energy-Efficient Wireless Telemonitoring: Challenges and Opportunities},
author = {Zhilin Zhang and Bhaskar D. Rao and Tzyy-Ping Jung},
journal= {arXiv preprint arXiv:1311.3995},
year = {2014}
}
备注
Invited paper for 2013 Asilomar Conference on Signals, Systems & Computers (Asilomar 2013)