用于低成本物联网网关上结构健康监测数据降维的嵌入式主成分分析
信号处理
2019-05-06 v1
摘要
主成分分析(PCA)是一种用于结构健康监测的强大数据降维方法。然而，当 PCA 必须在低成本物联网网关中能力有限的嵌入式平台上运行时，其计算成本和数据内存占用构成了重大挑战。本文提出了一种流式 History PCA 算法的内存高效并行实现。在我们的数据集上，与标准 PCA 相比，它实现了 10 倍的压缩率和 59 倍的内存减少，且重建信噪比(RSNR)的降低不到 0.15 dB。此外，该算法受益于多核并行化，在 Samsung ARTIK 710 上实现了最高 4.8 倍的加速。
引用
@article{arxiv.1905.01093,
title = {Embedding Principal Component Analysis for Data Reductionin Structural Health Monitoring on Low-Cost IoT Gateways},
author = {Alessio Burrello and Alex Marchioni and Davide Brunelli and Luca Benini},
journal= {arXiv preprint arXiv:1905.01093},
year = {2019}
}