DE102018220722A1 - Verfahren und Vorrichtung zum Verarbeiten von komprimierten Daten - Google Patents
Verfahren und Vorrichtung zum Verarbeiten von komprimierten Daten Download PDFInfo
- Publication number
- DE102018220722A1 DE102018220722A1 DE102018220722.4A DE102018220722A DE102018220722A1 DE 102018220722 A1 DE102018220722 A1 DE 102018220722A1 DE 102018220722 A DE102018220722 A DE 102018220722A DE 102018220722 A1 DE102018220722 A1 DE 102018220722A1
- Authority
- DE
- Germany
- Prior art keywords
- data
- compressed
- input data
- matrix
- compressed data
- 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.)
- Pending
Links
Images
Classifications
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
- H03M7/00—Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
- H03M7/30—Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction
- H03M7/3082—Vector coding
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
- H03M7/00—Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
- H03M7/30—Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction
- H03M7/3059—Digital compression and data reduction techniques where the original information is represented by a subset or similar information, e.g. lossy compression
- H03M7/3062—Compressive sampling or sensing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911044413.9A CN111130553B (zh) | 2018-10-31 | 2019-10-30 | 用于处理压缩数据的方法和设备 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102018218718 | 2018-10-31 | ||
DE102018218718.5 | 2018-10-31 |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102018220722A1 true DE102018220722A1 (de) | 2020-04-30 |
Family
ID=70417089
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102018220722.4A Pending DE102018220722A1 (de) | 2018-10-31 | 2018-11-30 | Verfahren und Vorrichtung zum Verarbeiten von komprimierten Daten |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111130553B (zh) |
DE (1) | DE102018220722A1 (zh) |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7646924B2 (en) * | 2004-08-09 | 2010-01-12 | David Leigh Donoho | Method and apparatus for compressed sensing |
US8223988B2 (en) * | 2008-01-29 | 2012-07-17 | Qualcomm Incorporated | Enhanced blind source separation algorithm for highly correlated mixtures |
US9408549B2 (en) * | 2009-11-03 | 2016-08-09 | Vivaquant Llc | Detecting fiducial points in physiological signals |
CN101895297B (zh) * | 2010-07-30 | 2012-12-26 | 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 |
US8942321B2 (en) * | 2010-09-22 | 2015-01-27 | Qualcomm Incorporated | Efficient compressed sensing channel estimation for single-carrier communication systems |
CN102164282B (zh) * | 2011-04-29 | 2013-12-11 | 中南民族大学 | 一种用于图像编码的基于系数随机置换的压缩感知方法及系统 |
CN103532645B (zh) * | 2013-10-10 | 2015-09-30 | 南京邮电大学 | 一种观测矩阵优化的压缩频谱感知方法 |
US9600899B2 (en) * | 2013-12-20 | 2017-03-21 | Alcatel Lucent | Methods and apparatuses for detecting anomalies in the compressed sensing domain |
CN104811621A (zh) * | 2015-05-03 | 2015-07-29 | 李峰 | 一种高效图像采集与压缩方法 |
CN104883192B (zh) * | 2015-06-18 | 2018-03-06 | 西安电子科技大学 | 基于混合压缩采样的非合作超宽带信号的重构方法 |
CN105513026B (zh) * | 2015-12-17 | 2019-05-21 | 浙江大学 | 一种基于图像非局部相似的压缩感知重构方法 |
CN107942377A (zh) * | 2018-01-05 | 2018-04-20 | 吉林大学 | 一种地震数据压缩与重构方法 |
-
2018
- 2018-11-30 DE DE102018220722.4A patent/DE102018220722A1/de active Pending
-
2019
- 2019-10-30 CN CN201911044413.9A patent/CN111130553B/zh active Active
Non-Patent Citations (3)
Title |
---|
„Subspace pursuit (SP)"-Ansatz, vgl. W. Dai and O. Milenkovic, „Subspace pursuit for compressive sensing signal reconstruction", IEEE Transactions onlnformation Theory, vol. 55, no. 5, pp. 2230-2249, May 2009, ISSN: 0018-9448. DOI: 10.1109/TIT.2009.2016006 |
A. Hyvärinen, „Fast and robust fixed-point algorithms for independent component analysis", IEEE Transactions on Neural Networks, vol. 10, no. 3, pp. 626-634, May 1999, ISSN: 1045-9227. DOI: 10.1109/72.761722 |
E. Candes and J. Romberg, „L1-magic: Recovery of sparse signals via convex programming", Tech. Rep., Jan. 2005, pp. 1-19. |
Also Published As
Publication number | Publication date |
---|---|
CN111130553A (zh) | 2020-05-08 |
CN111130553B (zh) | 2024-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP1301993B1 (de) | Verfahren und vorrichtung zur kompression und/oder dekompression sowie zur analyse und darstellung von daten | |
DE102013217181A1 (de) | Verfahren und System zum Durchführen einer Spektralanalyse eines nicht stationären Signals in Echtzeit | |
DE112018000723T5 (de) | Aktualisierungsverwaltung für eine RPU-Anordnung | |
DE102016013918A1 (de) | Verfahren und System für Inverse Chirp-Z-Transformation | |
EP2433185B1 (de) | Vorrichtung und verfahren zum bearbeiten einer prozesssimulationsdatenbasis eines prozesses | |
DE102021204550A1 (de) | Verfahren zum Erzeugen wenigstens eines Datensatzes zum Trainieren eines Algorithmus maschinellen Lernens | |
DE102015200779A1 (de) | Verfahren zur Datenreduktion von Sensordateninformationen | |
DE102018220722A1 (de) | Verfahren und Vorrichtung zum Verarbeiten von komprimierten Daten | |
DE102013206291A1 (de) | Verfahren und Vorrichtung zum Erstellen eines nicht parametrischen, datenbasierten Funktionsmodells | |
EP2924585B1 (de) | Verfahren zum Betreiben eines Fahrzeugcrash - Testdatenmanagementsystems | |
EP1273007A1 (de) | Verfahren zur bestimmung eines charakteristischen datensatzes für ein datensignal | |
DE102022117146A1 (de) | Nutzungsorientierte komprimierung für datenströme aus einem test- und messinstrument | |
WO2018103932A1 (de) | Verfahren zur adaption einer elektronischen filtereinheit, eine elektronische filtereinheit sowie eine vorrichtung mit einer solchen filtereinheit | |
DE102012102707A1 (de) | Verfahren und Vorrichtungen zur Bildverarbeitung | |
DE102013225768A1 (de) | Verfahren und Vorrichtung zum Ermitteln eines LOLIMOT-Modells | |
DE102018217202A1 (de) | Verfahren und Vorrichtung zum Verarbeiten von komprimierten Daten | |
DE102020007046B3 (de) | Spektrumanalysator, System und Verfahren zum Ausleiten von Daten aus einem Spektrumanalysator | |
DE10225344A1 (de) | Verfahren zur Bestimmung des Rausch-Niveaus eines als Folge von digitalisierten Messwerten repräsentierten Signals | |
DE102012208405A1 (de) | Messgerät und Verfahren zur verbesserten Abbildung von Spektralverläufen | |
EP3759644B1 (de) | Identifizieren unbesetzter sitzplätze auf basis der detektion einer sich wiederholenden textur | |
DE10225343A1 (de) | Verfahren zur Erkennung von Ausreißern in einer Folge von digitalisierten Messwerten | |
DE1937258C3 (de) | Vorrichtung zur Erzeugung der Fouriertransformierten einer Funktion | |
DE10138720C1 (de) | Verfahren zur Bestimmung der optimalen Filterkoeffizienten eines adaptiven Filters durch Lösung der Wiener-Hopfgleichung | |
DE102023106544A1 (de) | Halbautomatische oszilloskop-rauschkompensation basierend auf der charakterisierung der leistungsspektraldichte | |
DE102017200015A1 (de) | Bestimmung mindestens eines nachfolgenden Datensatzes für eine Echtzeitanwendung |