CN104682964A - 一种半确定压缩感知测量矩阵的构造方法 - Google Patents
一种半确定压缩感知测量矩阵的构造方法 Download PDFInfo
- Publication number
- CN104682964A CN104682964A CN201510112669.4A CN201510112669A CN104682964A CN 104682964 A CN104682964 A CN 104682964A CN 201510112669 A CN201510112669 A CN 201510112669A CN 104682964 A CN104682964 A CN 104682964A
- Authority
- CN
- China
- Prior art keywords
- matrix
- compressed sensing
- location
- partly
- diagonal angle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000010276 construction Methods 0.000 title claims abstract description 15
- 238000005259 measurement Methods 0.000 title abstract description 15
- 239000011159 matrix material Substances 0.000 claims abstract description 223
- 238000004364 calculation method Methods 0.000 claims abstract description 52
- 238000000034 method Methods 0.000 claims description 34
- 239000013598 vector Substances 0.000 claims description 21
- 238000005070 sampling Methods 0.000 claims description 12
- 230000007812 deficiency Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000006835 compression Effects 0.000 description 3
- 238000007906 compression Methods 0.000 description 3
- 238000000354 decomposition reaction Methods 0.000 description 2
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 2
- 239000010931 gold Substances 0.000 description 2
- 229910052737 gold Inorganic materials 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000013475 authorization Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
Landscapes
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
本发明公开了一种半确定压缩感知测量矩阵的构造方法,克服了现有压缩感知测量矩阵构造方法使用的随机变量多、构造复杂,以及构造出的矩阵稠密、难以实现分布式测量的问题。本发明实现的步骤为:(1)设定参数;(2)构造对角分块矩阵;(3)构造位置矩阵;(4)确定系数矩阵;(5)生成测量矩阵。本发明的构造方法减少了随机数的使用,减少了计算次数和复杂度,构造出的矩阵元素的位置确定、有规律,易于实现,并可以实现分布式测量。
Description
技术领域
本发明属于信号处理技术领域,更进一步涉及信号压缩技术领域中的一种半确定压缩感知测量矩阵的构造方法。本发明可用于构造压缩感知测量矩阵,实现对可压缩信号的快速压缩采集。
背景技术
在压缩感知理论的框架下,可以实现远低于奈奎斯特频率的信号采集,大大降低采样开销。观测矩阵是压缩感知理论中实现数据被压缩采集的核心,设计满足零空间性质(Null Space Property)或约束等距性条件(Restricted Isometry Property,RIP),并且易于实现的观测矩阵,可以使信号采集过程更加高效和简单。
清华大学和北京航空航天大学拥有的专利技术“基于稀疏化哈达玛矩阵的压缩感知观测矩阵构造方法”(申请号:CN201110255770,申请日:2011年08月31日,授权公告号:CN102355268B)中公开了一种基于稀疏化哈达玛矩阵的压缩感知观测矩阵构造方法。该方法通过建立第一和第二稀疏哈达玛矩阵集,分解第二稀疏哈达玛矩阵集中的矩阵,再对分解后的满足特定要求的矩阵进行合并,在合并后的矩阵中随机抽取行,构造出最终的测量矩阵。该方法存在的不足是,构造过程中涉及大量的矩阵分解和合并运算,复杂度较高。由于该方法构造出的矩阵行列特征不规律,矩阵对应的测量过程不能表示为不同参数的重复测量,使得该方法难以实现分布式测量。
Lu Gan在论文“Fast and efficient compressive sensing using structurally randommatrices”(IEEE Transactions on Signal Processing,2012,60,(1),pp.139–154,doi:10.1109/TSP.2011.2170977)中提出了一种结构化随机测量矩阵的构造方法,该方法首先将数个正交矩阵按对角线形式拼接形成块对角方阵,然后用对该方阵的列随机置换、行随机下采样的方法构造出最终的测量矩阵。该方法存在的不足是,由于该方法在列随机置换、行随机下采样过程中均需要用到大量随机数,使得该方法对随机数相关模块依赖程度高,软硬件实现复杂度高。
南京师范大学申请的专利“一种基于多维伪随机序列的压缩感知矩阵构造方法”(公开号:CN103020018A,申请号:CN201210579366,申请日:2012年12月27日)中公开了一种基于多维伪随机序列的压缩感知矩阵构造方法。该方法利用m序列生成多组Gold码码字,再将Gold码码字作为测量矩阵的列向量,构造出最终的测量矩阵。该方法存在的不足是,采用该方法构造出的矩阵为稠密矩阵,矩阵对应的测量过程计算复杂度高。
综上所述,由于现有测量矩阵具有构造复杂、随机性强、矩阵稠密等特点,其构造过程计算复杂度高、使用的随机变量多,以及构造出的矩阵稠密、难以实现分布式测量,难以实现高速高效的信号压缩采集。
发明内容
本发明的目的在于针对上述现有技术存在的采用的随机变量多、构造复杂及构造出的矩阵稠密、难以实现分布式测量的不足,提出一种半确定压缩感知测量矩阵的构造方法。
实现本发明目的的思路是,使测量矩阵元素的位置确定、有规律,减少随机数的使用,并减少计算次数和复杂度,从而构造出具有稀疏、结构化、整数元素值、半确定性特点,并能够实现分布式测量的半确定压缩感知测量矩阵。
本发明的实现的具体步骤如下:
(1)设定参数。
(1a)将采样间隔设定为一个正整数。
(1b)将待构建的半确定压缩感知测量矩阵的行数,设定为一个等于待测信号长度的正整数。
(1c)将待构建的半确定压缩感知测量矩阵的列数,设定为一个等于测量生成的样本数的正整数。
(1d)将哈达玛矩阵的阶数设定为一个能整除4的正整数。
(2)构造对角分块矩阵。
(2a)生成一组秩等于采样间隔的单位矩阵,单位矩阵的个数等于所设定的哈达玛矩阵的阶数,将该组单位矩阵在行方向上拼接,形成子位置矩阵。
(2b)根据对角分块块数公式,计算对角分块矩阵的对角分块块数。
(2c)将子位置矩阵作为子矩阵,用对角分块矩阵构造方法,构造分块块数等于对角分块块数的对角分块矩阵。
(3)构造位置矩阵。
(3a)利用扩展位置矩阵行分块块数公式,计算扩展位置矩阵的行分块块数。
(3b)复制与扩展位置矩阵行分块块数相等个数的对角分块矩阵,并将复制的对角分块矩阵在列方向上拼接,生成扩展位置矩阵。
(3c)在扩展位置矩阵的左上角截取行和列,组成位置矩阵,所截取的行数等于待构建的半确定压缩感知测量矩阵的行数,所截取的列数等于待构建的半确定压缩感知测量矩阵的列数。
(4)生成半确定系数矩阵。
(4a)利用哈达玛矩阵生成算法,生成一个阶数等于所设定的哈达玛矩阵阶数的哈达玛矩阵。
(4b)利用任意一种产生均匀分布随机数的算法,产生与位置矩阵行数相等个数的、在1到设定的哈达玛矩阵阶数之间均匀分布的随机数。
(4c)将生成的与位置矩阵行数相等个数的随机数作为行编号或者列编号,从哈达玛矩阵中依次选取与所选的行编号对应的行向量或者与所选的列编号对应的列向量,将所选取的行向量或者列向量整理成行向量,并将整理后的行向量在列方向上拼接,组成行编号随机、行内元素与行编号的对应关系确定的半确定系数矩阵。
(5)生成半确定压缩感知测量矩阵。
(5a)将位置矩阵中的非零元素从左到右、从上到下依次编号得到非零元素编号。将半确定系数矩阵中的元素从左到右、从上到下依次编号,得到与位置矩阵中的非零元素编号一一对应的元素编号。
(5b)用半确定系数矩阵中的每一个元素,替换位置矩阵中的非零元素编号与该元素编号相等的非零元素,生成半确定压缩感知测量矩阵。
与现有技术相比,本发明具有以下优点:
第一,由于本发明的半确定压缩感知测量矩阵由单位矩阵和对角分块矩阵演化获得,从结构上具有分块、稀疏的特征,采用本发明的半确定压缩感知测量矩阵进行观测的测量过程可以表示为相同结构、不同参数的子矩阵的重复测量,克服了现有测量矩阵难以实现分布式测量的问题,可以实现分布式测量。
第二,由于本发明只在生成半确定系数矩阵时使用了随机数,整个构造过程使用的随机数数量等于半确定压缩感知测量矩阵的行数,克服了现有压缩感知构造技术中需要使用大量随机数的问题,使得本发明的构造方法降低了系统对随机数相关模块的依赖,降低了软硬件实现复杂度。
第三,由于本发明构造的半确定压缩感知测量矩阵,是由以哈达玛矩阵为基础生成的半确定系数矩阵的元素替换以单位矩阵为基础生成的位置矩阵中的非零元素生成的,因此本发明构造的半确定压缩感知测量矩阵只有极少量的非零元素,并且非零元素满足哈达玛矩阵的元素特点,其值在集合{1,-1}中,克服了现有构造方法生成的矩阵稠密、测量计算复杂度高的问题,使得本发明构造出的半确定压缩感知测量矩阵测量计算简单、复杂度低。
附图说明
图1是本发明的流程图。
具体实施方式
下面结合附图对本发明做进一步描述。
参照图1,本发明的具体实施步骤如下:
步骤1,设定参数。
第一步,将采样间隔设定为一个正整数。
在本发明的一个实施例中,采样间隔设定为3。
第二步,将待构建的半确定压缩感知测量矩阵的行数,设定为一个等于待测信号长度的正整数。
在本发明的一个实施例中,将待构建的半确定压缩感知测量矩阵的行数设定为12。
第三步,将待构建的半确定压缩感知测量矩阵的列数,设定为一个等于测量生成的样本数的正整数。
在本发明的一个实施例中,将待构建的半确定压缩感知测量矩阵的列数设定为24。
第四步,将哈达玛矩阵的阶数设定为一个能整除4的正整数。
在本发明的一个实施例中,将哈达玛矩阵的阶数设定为4。
步骤2,构造对角分块矩阵。
第一步,生成一组秩等于采样间隔的单位矩阵,单位矩阵的个数等于所设定的哈达玛矩阵的阶数,将该组单位矩阵在行方向上拼接,形成子位置矩阵。
在本发明的一个实施例中,生成的以下4个单位矩阵:
将上述4个单位矩阵在行方向上拼接,生成的子位置矩阵如下:
第二步,根据对角分块块数公式,计算对角分块矩阵的对角分块块数。
本发明的对角分块块数公式如下:
其中,p表示子对角分块矩阵的对角分块块数,N表示待构建的半确定压缩感知测量矩阵的列数,D表示设定的采样间隔,R表示设定的哈达玛矩阵的阶数。
本发明的一个实施例中,计算得到的对角分块块数为
第三步,将子位置矩阵作为子矩阵,用对角分块矩阵构造方法,构造分块块数等于对角分块块数的对角分块矩阵。
在本发明的一个实施例中,用子位置矩阵替换对角分块矩阵对角线上的矩阵块,构造出的对角分块矩阵如下:
步骤3,构造位置矩阵。
第一步,利用扩展位置矩阵行分块块数公式,计算扩展位置矩阵的行分块块数。
本发明的扩展位置矩阵行分块块数公式如下:
其中,q表示扩展位置矩阵行分块块数,R表示设定的哈达玛矩阵的阶数,M表示待构建的半确定压缩感知测量矩阵的行数,N表示待构建的半确定压缩感知测量矩阵的列数。
在本发明的一个实施例中,采用扩展位置矩阵行分块块数公式计算得到的扩展位置矩阵行分块块数为
第二步,复制与扩展位置矩阵行分块块数相等个数的对角分块矩阵,并将复制的对角分块矩阵在列方向上拼接,生成扩展位置矩阵。
在本发明的一个实施例中,将对角分块矩阵复制2次,并在列方向上拼接,生成的扩展位置矩阵如下:
第三步,在扩展位置矩阵的左上角截取行和列,组成位置矩阵,所截取的行数等于待构建的半确定压缩感知测量矩阵的行数,所截取的列数等于待构建的半确定压缩感知测量矩阵的列数。
在本发明的一个实施例中,在扩展位置矩阵的左上角截取12行24列,得到的位置矩阵与扩展位置矩阵相同。
步骤4,生成半确定系数矩阵。
第一步,利用哈达玛矩阵生成算法,生成一个阶数等于所设定的哈达玛矩阵阶数的哈达玛矩阵。
在本发明的一个实施例中,利用标准哈达玛矩阵算法生成的哈达玛矩阵如下:
第二步,利用任意一种产生均匀分布随机数的算法,产生与位置矩阵行数相等个数的、在1到设定的哈达玛矩阵阶数之间均匀分布的随机数。
在本发明的一个实施例中,采用梅森旋转算法生成在[1,4]之间生成12个随机数,生成的随机数为:1、4、3、4、3、4、1、2、2、3、1、4。
第三步,将生成的与位置矩阵行数相等个数的随机数作为行编号或者列编号,从哈达玛矩阵中依次选取与所选的行编号对应的行向量或者与所选的列编号对应的列向量,将所选取的行向量或者列向量整理成行向量,并将整理后的行向量在列方向上拼接,组成行编号随机、行内元素与行编号的对应关系确定的半确定系数矩阵。
在本发明的一个实施例中,分12次选取哈达玛矩阵的第1、4、3、4、3、4、1、2、2、3、1、4行行向量,并将这些行向量在列方向上拼接,生成的半确定系数矩阵如下:
步骤5,生成半确定压缩感知测量矩阵。
第一步,将位置矩阵中的非零元素从左到右、从上到下依次编号得到非零元素编号;将半确定系数矩阵中的元素从左到右、从上到下依次编号,得到与位置矩阵中的非零元素编号一一对应的元素编号。
在本发明的一个实施例中,将位置矩阵中的非零元素从左到右、从上到下依次编号得到非零元素编号,为了便于说明,将位置矩阵中的元素编号放在位置矩阵的非零元素的下标处,则带编号的位置矩阵如下:
其中,
将半确定系数矩阵中的元素从左到右、从上到下依次编号,得到与位置矩阵中的非零元素编号一一对应的元素编号。
第二步,用半确定系数矩阵中的每一个元素,替换位置矩阵中的非零元素编号与该元素编号相等的非零元素,生成半确定压缩感知测量矩阵。
在本发明的一个实施例中,按照编号依次用半确定系数矩阵中的元素替换位置矩阵中的非零元素,生成的半确定压缩感知测量矩阵如下:
Claims (3)
1.一种半确定压缩感知测量矩阵的构造方法,包括如下步骤:
(1)设定参数:
(1a)将采样间隔设定为一个正整数;
(1b)将待构建的半确定压缩感知测量矩阵的行数,设定为一个等于待测信号长度的正整数;
(1c)将待构建的半确定压缩感知测量矩阵的列数,设定为一个等于测量生成的样本数的正整数;
(1d)将哈达玛矩阵的阶数设定为一个能整除4的正整数;
(2)构造对角分块矩阵:
(2a)生成一组秩等于采样间隔的单位矩阵,单位矩阵的个数等于所设定的哈达玛矩阵的阶数,将该组单位矩阵在行方向上拼接,形成子位置矩阵;
(2b)根据对角分块块数公式,计算对角分块矩阵的对角分块块数;
(2c)将子位置矩阵作为子矩阵,用对角分块矩阵构造方法,构造分块块数等于对角分块块数的对角分块矩阵;
(3)构造位置矩阵:
(3a)利用扩展位置矩阵行分块块数公式,计算扩展位置矩阵的行分块块数;
(3b)复制与扩展位置矩阵行分块块数相等个数的对角分块矩阵,并将复制的对角分块矩阵在列方向上拼接,生成扩展位置矩阵;
(3c)在扩展位置矩阵的左上角截取行和列,组成位置矩阵,所截取的行数等于待构建的半确定压缩感知测量矩阵的行数,所截取的列数等于待构建的半确定压缩感知测量矩阵的列数;
(4)生成半确定系数矩阵:
(4a)利用哈达玛矩阵生成算法,生成一个阶数等于所设定的哈达玛矩阵阶数的哈达玛矩阵;
(4b)利用任意一种产生均匀分布随机数的算法,产生与位置矩阵行数相等个数的、在1到设定的哈达玛矩阵阶数之间均匀分布的随机数;
(4c)将生成的与位置矩阵行数相等个数的随机数作为行编号或者列编号,从哈达玛矩阵中依次选取与所选的行编号对应的行向量或者与所选的列编号对应的列向量,将所选取的行向量或者列向量整理成行向量,并将整理后的行向量在列方向上拼接,组成行编号随机、行内元素与行编号的对应关系确定的半确定系数矩阵;
(5)生成半确定压缩感知测量矩阵:
(5a)将位置矩阵中的非零元素从左到右、从上到下依次编号得到非零元素编号;将半确定系数矩阵中的元素从左到右、从上到下依次编号,得到与位置矩阵中的非零元素编号一一对应的元素编号;
(5b)用半确定系数矩阵中的每一个元素,替换位置矩阵中的非零元素编号与该元素编号相等的非零元素,生成半确定压缩感知测量矩阵。
2.根据权利要求1所述的一种半确定压缩感知测量矩阵的构造方法,其特征在于,步骤(2b)所述的对角分块块数公式如下:
其中,p表示子对角分块矩阵的对角分块块数,N表示待构建的半确定压缩感知测量矩阵的列数,D表示设定的采样间隔,R表示设定的哈达玛矩阵的阶数。
3.根据权利要求1所述的一种半确定压缩感知测量矩阵的构造方法,其特征在于,步骤(3a)所述的扩展位置矩阵行分块块数公式如下:
其中,q表示扩展位置矩阵行分块块数,R表示设定的哈达玛矩阵的阶数,M表示待构建的半确定压缩感知测量矩阵的行数,N表示待构建的半确定压缩感知测量矩阵的列数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510112669.4A CN104682964B (zh) | 2015-03-15 | 2015-03-15 | 一种半确定压缩感知测量矩阵的构造方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510112669.4A CN104682964B (zh) | 2015-03-15 | 2015-03-15 | 一种半确定压缩感知测量矩阵的构造方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104682964A true CN104682964A (zh) | 2015-06-03 |
CN104682964B CN104682964B (zh) | 2017-10-24 |
Family
ID=53317619
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510112669.4A Expired - Fee Related CN104682964B (zh) | 2015-03-15 | 2015-03-15 | 一种半确定压缩感知测量矩阵的构造方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104682964B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105931282A (zh) * | 2016-04-14 | 2016-09-07 | 中南大学 | 一种维数任意的部分哈达玛测量矩阵构造方法及基于其的信号处理方法 |
CN106936440A (zh) * | 2017-02-20 | 2017-07-07 | 东南大学 | 一种压缩感知观测矩阵生成方法及装置 |
CN114878033A (zh) * | 2022-03-29 | 2022-08-09 | 深圳国微感知技术有限公司 | 一种矩阵式压力分布测量系统及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101640541A (zh) * | 2009-09-04 | 2010-02-03 | 西安电子科技大学 | 一种稀疏信号的重构方法 |
US20100082302A1 (en) * | 2008-09-26 | 2010-04-01 | Qualcomm Incorporated | Method and apparatus for under-sampled acquisition and transmission of photoplethysmograph (ppg) data and reconstruction of full band ppg data at the receiver |
CN101895297A (zh) * | 2010-07-30 | 2010-11-24 | 哈尔滨工业大学 | 一种面向压缩感知的块稀疏信号重构方法 |
US20110274193A1 (en) * | 2009-01-20 | 2011-11-10 | Pantech Co., Ltd. | Apparatus and method for generating scrambling codes in a radio communication system |
CN103269223A (zh) * | 2013-05-02 | 2013-08-28 | 电子科技大学 | 一种模拟信号压缩采样方法 |
CN103944578A (zh) * | 2014-03-28 | 2014-07-23 | 电子科技大学 | 一种多信号的重构方法 |
-
2015
- 2015-03-15 CN CN201510112669.4A patent/CN104682964B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100082302A1 (en) * | 2008-09-26 | 2010-04-01 | Qualcomm Incorporated | Method and apparatus for under-sampled acquisition and transmission of photoplethysmograph (ppg) data and reconstruction of full band ppg data at the receiver |
US20110274193A1 (en) * | 2009-01-20 | 2011-11-10 | Pantech Co., Ltd. | Apparatus and method for generating scrambling codes in a radio communication system |
CN101640541A (zh) * | 2009-09-04 | 2010-02-03 | 西安电子科技大学 | 一种稀疏信号的重构方法 |
CN101895297A (zh) * | 2010-07-30 | 2010-11-24 | 哈尔滨工业大学 | 一种面向压缩感知的块稀疏信号重构方法 |
CN103269223A (zh) * | 2013-05-02 | 2013-08-28 | 电子科技大学 | 一种模拟信号压缩采样方法 |
CN103944578A (zh) * | 2014-03-28 | 2014-07-23 | 电子科技大学 | 一种多信号的重构方法 |
Non-Patent Citations (2)
Title |
---|
林斌等: "基于混沌序列的压缩感知测量矩阵构造算法", 《计算机工程与应用》 * |
王红梅等: "一种利用相关性优化压缩感知测量矩阵的方法", 《电子测量技术》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105931282A (zh) * | 2016-04-14 | 2016-09-07 | 中南大学 | 一种维数任意的部分哈达玛测量矩阵构造方法及基于其的信号处理方法 |
CN105931282B (zh) * | 2016-04-14 | 2018-09-28 | 中南大学 | 一种维数任意的部分哈达玛测量矩阵构造及信号处理方法 |
CN106936440A (zh) * | 2017-02-20 | 2017-07-07 | 东南大学 | 一种压缩感知观测矩阵生成方法及装置 |
CN114878033A (zh) * | 2022-03-29 | 2022-08-09 | 深圳国微感知技术有限公司 | 一种矩阵式压力分布测量系统及方法 |
CN114878033B (zh) * | 2022-03-29 | 2023-12-22 | 深圳国微感知技术有限公司 | 一种矩阵式压力分布测量系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104682964B (zh) | 2017-10-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105181122B (zh) | 机械振动信号数据压缩采集方法 | |
Guo et al. | A gradient enhanced ℓ1-minimization for sparse approximation of polynomial chaos expansions | |
CN108647906B (zh) | 基于低阶eigd的时滞电力系统稳定性分析方法 | |
Cheng et al. | The identification of a dam's modal parameters under random support excitation based on the Hankel matrix joint approximate diagonalization technique | |
CN104682964A (zh) | 一种半确定压缩感知测量矩阵的构造方法 | |
CN104597488B (zh) | 非等边长网格波动方程有限差分模板优化设计方法 | |
Hasanov et al. | Identification of unknown spatial load distributions in a vibrating Euler–Bernoulli beam from limited measured data | |
CN107942377A (zh) | 一种地震数据压缩与重构方法 | |
CN104598971A (zh) | 基于径向基函数神经网络的单位脉冲响应函数提取方法 | |
CN103425816A (zh) | 快速获取金属旋转对称体电磁散射特性的矩阵抽取方法 | |
US9860097B2 (en) | Transmitting device, receiving device, and transmitting and receiving system | |
CN103269525A (zh) | 物联网系统的多传感器数据分布式压缩方法及其装置 | |
Fedotov et al. | Longitudinal vibrations of a Rayleigh-Bishop rod | |
Greensite et al. | Relative weights approach to SU (3) gauge theories with dynamical fermions at finite density | |
CN104636317A (zh) | 一种基于特征值分解的交互投影测量矩阵优化方法 | |
Bu et al. | Enhanced sparse regularization for structural damage detection based on statistical moment sensitivity of structural responses | |
CN105931282A (zh) | 一种维数任意的部分哈达玛测量矩阵构造方法及基于其的信号处理方法 | |
Yuan et al. | Optimizing sparse matrix vector multiplication using diagonal storage matrix format | |
Bihlo et al. | Invariant discretization schemes using evolution-projection techniques | |
Dumont et al. | The best of two worlds: The expedite boundary element method | |
CN102802199B (zh) | 基于压缩感知的无线传感器实时监测系统的数据处理方法 | |
Zhang et al. | A stochastic wavelet finite element method for 1d and 2d structures analysis | |
Cohen et al. | On the use of sparsity for recovering discrete probability distributions from their moments | |
Draycott et al. | Applying site-specific resource assessment: emulation of representative EMEC seas in the FloWave facility | |
Zhao et al. | Uncertainty static analysis of structures with hybrid spatial random and interval properties |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171024 |
|
CF01 | Termination of patent right due to non-payment of annual fee |