【摘 要】
：
针对噪声破坏加速度信号稀疏性、降低其压缩感知重构算法性能问题,提出了一种用经验模态分解（EMD）和小波分析联合消噪的加速度信号压缩重构新方法.该方法首先采用EMD和小波阈值
论文部分内容阅读
针对噪声破坏加速度信号稀疏性、降低其压缩感知重构算法性能问题,提出了一种用经验模态分解（EMD）和小波分析联合消噪的加速度信号压缩重构新方法.该方法首先采用EMD和小波阈值联合消噪方法对加速度信号消噪处理,保持加速度信号内在稀疏性;然后基于压缩感知理论和加速度信号块结构信息,采用块稀疏贝叶斯学习算法以高概率重构原始加速度信号.采用USC-HAD人体日常行为数据库中的加速度信号验证本文方法的有效性.实验结果表明,本文所提方法的信噪比和均方根误差明显优于未经消噪处理的压缩感知重构算法,能够有效抑制加速度信号噪
其他文献
提出了一种基于数值分析的异常扫描行为监测方法, 以Netflow网管数据为基础, 设计开发了监测系统, 实现了对网络中主流网络蠕虫病毒、IRC僵尸木马的传播爆发以及黑客恶意扫描
云计算中的资源分配一直都是研究的重点,提出了一种基于改进的蝙蝠算法的云计算资源分配方法.在蝙蝠算法中引入差分遗传算法,通过变异,交叉和选择等操作避免个体陷入局部最优
介绍了布谷鸟搜索(cuckoo search,CS)和Hopfield神经网络的基本原理,研究了基于Hopfield神经网络的数字识别应用.针对Hopfield网络权值在数字识别时易陷入局部最优,提出将CS
随着移动互联网络和移动终端设备硬件的快速发展,移动音视频的应用越来越普遍,这要求应用软件能高效的处理音视频文件以满足大众的需求.为提高软件运行效率,通过对多媒体处理
在上下文无关的说话人识别应用中,针对传统MFCC特征参数在语音预处理方面不足以及三角滤波器组的缺陷,提出一种改进的MFCC特征参数提取方法.一方面在传统算法上加入端点检测,
随着激光扫描测量技术的发展,其数据测量精度的逐渐增高使得获取的几何模型表面点云数据的细节信息越丰富,能更准确的反应物体几何表面特征,但如此海量的点云数据同时也带来对应的技术挑战,海量的点云数据在计算机文件存储、数据后期进一步处理以及软件可视化方面都不方便且效率低下.本文中的算法首先采用栅格法对点云进行空间划分及领域关系的建立,其次利用局部表面拟合的方法估算点云法向量,然后利用点云K领域法的向量求解
标量乘算法是椭圆曲线密码体制中最基本、最耗时的算法,包含点加和倍点两种运算.传统的改进方法通过改造标量表示形式减少非零元位数来降低标量乘中的点加运算次数.为了进一
为了更好的将人眼感知特性用于视频压缩系统,提出了一种改进的基于显著性协同检测的恰可察觉失真模型（Just Noticeable Distortion,JND）.该模型通过像素域和变换域下联合建模计
针对经典混合高斯模型算法在实际应用中计算量大实时性差,且对光线变化和运动物体速度敏感的缺点,提出一种改进的快速检测算法.通过选取合适的间距,先用帧间差分法提取出完整的运动区域和背景区域,只对前者进行混合高斯模型匹配,来降低计算量.对背景图像不同区域采用不同背景更新率,及时响应背景变化.最后引入一个光线突变参数,来预防光线突变给检测带来的干扰.通过实验,证明本算法在实时性,鲁棒性,稳定性等上有了很大
视频监控数据TB级的增长,从海量视频数据中高效准确的分离出视频监控场景中的运动物体,是计算机视觉领域的研究重点和挑战.提出了基于云平台的视频数据处理的并行计算框架及一种改进的基于混合高斯模型(GMM)的自适应前景提取算法,通过对混合高斯分布的自适应学习和在线EM(期望最大化)算法获得最优参数组合,并将改进算法融合到视频处理并行计算框架.实验结果表明,该方法不但能大大提高视频处理的效率,并对复杂环境