面向可穿戴生理信号的压缩感知实时重构

摘要：

传统的迭代式压缩感知重构算法由于计算复杂度高,数据处理实时性差,难以在实际的可穿戴设备中发挥作用.该文结合深度学习中的一维扩张卷积和残差网络,提出了一种适用于可穿戴健康监护的非迭代式压缩感知实时重构算法.该方法基于大量生理信号数据训练一个用于压缩感知重构的网络模型,该模型可以对生理信号进行快速精确重构.通过在两个公开的生理信号数据集上的实验表明,相比于已有的基于深度学习的生理信号压缩感知重构算法,该方法有着更高的重构精度,并且该方法在文中所使用的计算机上仅需约0.7 ms即可完成对一个2 s长度信号帧的重构,这比传统的迭代式压缩感知重构算法快了大约2～3个数量级,说明该方法有着出色的实时性能.

关键词：压缩感知、深度学习、非迭代方法、生理信号、可穿戴设备

所属期刊栏目：50

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;四川省科技厅重点研发项目

在线出版日期：2021-02-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：36-42