基于L1加权压缩感知下的车辆分类
压缩感知在信息技术和信号处理领域引起了广泛关注,因为它提供了一种替代的,无冗余的信号压缩和重建方法.它利用信号的"稀疏性"来对序列进行欠采样并重建,而不添加由Shannon-Nyquist采样定理建立的混叠噪声.然而,由于使用非线性重建多项式,重建方法是昂贵的.本文为了增强声信号源在变换域中的稀疏性,提出一种L1-加权迭代软阈值算法(L1-IST),并与现有的稀疏信号恢复方法,压缩采样匹配追踪(CoSaMP)与迭代软阈值算法(IST)进行了比较,最后利用L1-IST对具有声信号源的车辆进行分类.以奈奎斯特速率的一半对信号进行采样,然后使用L1-IST进行重建.从多个变换域中提取诸如信号的均值,方差,偏度和峰度的各种特征.从重建信号中提取的特征被馈送到KNN分类器,该分类器将目标信号分类为自行车、汽车、拖拉机或卡车.
压缩感知、CoSaMP算法、L1加权、迭代软阈值算法、K近邻算法
15
TP18(自动化基础理论)
2019-04-08（万方平台首次上网日期，不代表论文的发表时间）
共3页
162-164
