حسگری فشرده مبتنی بر مدل
یکشنبه 6 اردیبهشت 1394 ساعت 02:48 ب.ظ | نوشته ‌شده به دست رسول نیک بخت | ( نظرات )
 در روش‌های متداول حسگری فشرده هیج ساختار خاصی تنکی در نظر گرفته میشود و محدود فقط بر روی تعداد مؤلفه‌های  غیر صفر است. در حالی که بسیاری از  سیگنال طبیعی دارای ساختار درونی بوده و ضرایب غیر صفر آن ها تحت یک تبدیل خاص به‌صورت خوشه میباشند. این ایده به خوبی در روش‌های متداول فشرده‌سازی نظیر استاندارد تصویر JPEG استفاده‌شده است. اما روش مذکور با استفاده نمونههای نرخ نایکوئیست سیگنال انجام میشوند. برای غلبه مشکل نرخ نایکوئیست و استفاده از  ساختار موجود در ضرایب غیر صفر سیگنال، حسگری فشرده مبتنی بر مدل (Model based compressed sensing) در منبع[Baraniuk, 2010 ] معرفی‌شده است.

 در روش متداول حسگری فشرده برای سیگنال  k تنک  N بعدی (  k<<N) بازسازی مقاوم با استفاده از  (M=O(klog(k/N اندازه گیری خطی (نمونه فشرده) امکانپذیر است.
 در حسگری فشرده مبتنی مدل بسته به ساختار موجود در سیگنال تنک می‌توان این مقدار تا  k کاهش داد.
مقایسه عملکرد روش حسگری فشرده معمولی و حسگری فشرده مبتنی بر مدل


ارتباط با نویسنده :

  رسول نیکبخت : 09147790726
  
   Email:ord2us@gmail.com 

مرتبط با: Compressed sesing ,


می توانید دیدگاه خود را بنویسید
 
دیگر موارد
تعداد مطالب :
تعداد نویسندگان :
آخرین بروز رسانی :
بازدید امروز :
بازدید دیروز :
بازدید این ماه :
بازدید ماه قبل :
بازدید کل :
آخرین بازدید :

شبکه اجتماعی فارسی کلوب | Buy Website Traffic | Buy Targeted Website Traffic