کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6900596 1446490 2018 6 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Subspace Pursuit for Sparse Signal Reconstruction in Wireless Sensor Networks
ترجمه فارسی عنوان
تعقیب (دنبال کردن) زیر فضا برای بازسازی سیگنال اسپارسی در شبکه های حسگر بی سیم
کلمات کلیدی
شبکه های حسگر بی سیم ، حس نمایی فشرده سازی شده ، تعقیب زیر فضا ، نرخ (نسبت) فشرده سازی ، نرخ (نسبت) اوج سیگنال به نویز
فهرست مطالب مقاله
چکیده

کلمات کلیدی

1.مقدمه

۲. راه اندازی آزمایشی برای اندازه گیری داده در WSN ها

شکل ۱. راه اندازی WSN برای اندازه گیری دما

۳. الگوریتم تعقیب زیرفضا

۴. اندازه گیری های عملکرد

۵. نتایج و تجزیه و حلیل

شکل ۲. بازسازی سیگنال فشرده شده با استفاده از مقادیر اسپارسیتی (خلوت بودن) K = 16, 32, …., 128 در الگوریتم SP

جدول ۱. اندازه گیری های عملکردی بدست آمده در بازسازی سیگنال با استفاده (از طریق) SP

۶. جمع بندی

 
ترجمه چکیده
الگوریتم تعقیب زیر فضا (SP) دو مهمترین خصیصه الگوریتم های حریصانه را فراهم می نماید. این الگوریتم پایین ترین پیچیدگی محاسباتی را در قیاس با دیگر الگوریتم های حریصانه ، همچون OMP و ROMP دارد. این الگوریتم کیفیت بازساختی مشابه با تکنیک های برنامه نویسی خطی را برای سیگنال های بسیار اسپارسی (خلوت بودن) فراهم می سازد. الگوریتم SP ، سیگنال اسپارس را مرحله به مرحله ، در روشی تکراری ، تخمین می زند. تجزیه و تحلیل ارایه شده نشان می دهد که SP دقیقا سیگنال های اسپارسی را برای داده های موقتا همبسته جمع آوری شده در خلال آزمایش بلادرنگ با استفاده از پلتفرم NI WSN بهبود می بخشد. کارایی سیگنال بهبود داده شده با استفاده از پارامترهای نسبت (نرخ) اوج سیگنال به نویز و میانگین مربع خطای ریشه تجزیه و تحلیل شده است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر علوم کامپیوتر (عمومی)
چکیده انگلیسی
Subspace pursuit (SP) algorithm provides the two most important features of greedy algorithms. It has lowest computational complexity in comparison to other greedy algorithms such as OMP and ROMP. It provides the reconstruction quality of same order as that of linear programming techniques for very sparse signals. SP algorithm estimates the sparse signal step by step, in an iterative fashion. The presented analysis shows that SP exactly recovers the sparse signals for temporally correlated data collected during real-time experimentation using NI WSN platform. The efficacy of recovered signal is analyzed using the parameters of peak signal to noise ratio and root mean square error.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Procedia Computer Science - Volume 125, 2018, Pages 228-233
نویسندگان
, ,