XiaoMi-AI文件搜索系统
World File Search System测量矩阵
使用符合 RIP 标准的 CMOS 成像器架构和 Landweber 重建进行压缩成像
摘要 — 本文提出了一种新的图像传感器架构，用于快速准确地对自然图像进行压缩感知 (CS)。CS CMOS 图像传感器中通常采用的测量矩阵是递归伪随机二进制矩阵。我们已经证明，这些矩阵的限制等距性质受到低稀疏常数的限制。这些矩阵的质量还受到伪随机数生成器 (PRNG) 的非理想性的影响。为了克服这些限制，我们提出了一种硬件友好的伪随机三元测量矩阵，该矩阵通过 III 类基本细胞自动机 (ECA) 在芯片上生成。这些 ECA 表现出一种混沌行为，比其他 PRNG 更好地模拟了随机 CS 测量矩阵。我们将这种新架构与基于块的 CS 平滑投影 Landweber 重建算法相结合。通过单值分解，我们调整了该算法，使其在操作二进制和三元矩阵时执行快速而精确的重建。提供了模拟来验证该方法。
传感器
摘要：神经工程领域大数据采集和处理的巨大进步使我们能够更好地了解患者的脑部疾病及其神经康复、恢复、检测和诊断。压缩感知 (CS) 和神经工程的结合成为一个新的研究领域，旨在处理大量神经数据，以实现快速、长期和节能的目的。此外，脑机接口 (BCI) 的脑电图 (EEG) 信号已被证明非常有前景，具有多种神经科学应用。在这篇评论中，我们重点介绍了基于 EEG 的方法，这些方法受益于 CS 来实现快速和节能的解决方案。特别是，我们研究了 CS 在不断发展的 BCI 领域的当前实践、科学机遇和挑战。我们重点总结了主要的 CS 重建算法、稀疏基和 CS 中用于处理 EEG 信号的测量矩阵。本文献综述表明，选择合适的重建算法、稀疏基和测量矩阵有助于提高当前基于 CS 的 EEG 研究的性能。在本文中，我们还旨在概述无重建 CS 方法和该领域的相关文献。最后，我们讨论了推动 BCI 应用的 CS 框架集成所带来的机遇和挑战。
传感器 - 语义学者
摘要：网络化多传感器用于解决机动目标跟踪问题。为避免非线性动态函数的线性化，获得更准确的机动目标估计，提出了一种用于机动目标跟踪的自适应信息加权协同滤波器。利用无迹变换计算伪测量矩阵，以利用测量的信息形式，这是协同迭代所必需的。为提高机动目标跟踪精度并在整个网络的每个传感器节点中获得统一的估计，利用自适应当前统计模型来更新估计，并在各个动态模型的相邻节点之间应用信息加权协同协议。基于多个模型的后验概率，通过对模型条件估计的加权组合来获得每个传感器的最终估计。实验结果表明，所提算法在跟踪精度和全网估计一致性方面具有优异的性能。
传感器 - 语义学者
摘要：网络化多传感器用于解决机动目标跟踪问题。为避免非线性动态函数的线性化，获得更准确的机动目标估计，提出了一种用于机动目标跟踪的自适应信息加权协同滤波器。利用无迹变换计算伪测量矩阵，以利用测量的信息形式，这是协同迭代所必需的。为提高机动目标跟踪精度并在整个网络的每个传感器节点中获得统一的估计，利用自适应当前统计模型来更新估计，并在各个动态模型的相邻节点之间应用信息加权协同协议。基于多个模型的后验概率，通过对模型条件估计的加权组合来获得每个传感器的最终估计。实验结果表明，所提算法在跟踪精度和全网估计一致性方面具有优异的性能。
大脑计算机界面：进步和挑战
摘要：大脑计算机界面（BCI）是一个基于神经科学，信号处理，生物医学传感器，硬件等的高级和多学科主动研究领域。自过去几十年以来，在该领域进行了几项开创性的研究。仍然，尚未完全涵盖BCI领域的全面审查。因此，本研究介绍了BCI领域的全面概述。本研究涵盖了BCI的几个应用，并坚持了该领域的重要性。然后，简明说明了BCI系统的每个元素，包括技术，数据集，特征提取方法，评估测量矩阵，现有的BCI算法和分类器。此外，还附加了对技术或硬件的简要概述，主要是BCI中使用的传感器。最后，本文调查了BCI的几个未解决的挑战，并通过可能的解决方案解释了它们。
传感器 - 语义学者
摘要：网络化多传感器用于解决机动目标跟踪问题。为避免非线性动态函数的线性化，获得更准确的机动目标估计，提出了一种用于机动目标跟踪的自适应信息加权协同滤波器。利用无迹变换计算伪测量矩阵，以利用测量的信息形式，这是协同迭代所必需的。为提高机动目标跟踪精度并在整个网络的每个传感器节点中获得统一的估计，利用自适应当前统计模型来更新估计，并在各个动态模型的相邻节点之间应用信息加权协同协议。基于多个模型的后验概率，通过对模型条件估计的加权组合来获得每个传感器的最终估计。实验结果表明，所提算法在跟踪精度和全网估计一致性方面具有优异的性能。
传感器 - 语义学者
摘要：网络化多传感器用于解决机动目标跟踪问题。为了避免非线性动态函数的线性化，并获得更准确的机动目标估计，提出了一种用于机动目标跟踪的新型自适应信息加权共识滤波器。利用无味变换计算伪测量矩阵，以利用测量的信息形式，这是共识迭代所必需的。为了提高机动目标跟踪精度并在整个网络的每个传感器节点中获得统一的估计，利用自适应当前统计模型来更新估计，并在每个动态模型的相邻节点之间应用信息加权共识协议。基于多个模型的后验概率，通过模型条件估计的加权组合获得每个传感器的最终估计。实验结果表明，所提算法在跟踪精度和全网络估计一致性方面具有优异的性能。
传感器 - 语义学者
摘要：网络化多传感器用于解决机动目标跟踪问题。为避免非线性动态函数的线性化，获得更准确的机动目标估计，提出了一种用于机动目标跟踪的自适应信息加权协同滤波器。利用无迹变换计算伪测量矩阵，利用测量的信息形式，为协同迭代提供必要的信息。为提高机动目标跟踪精度，并在整个网络的每个传感器节点中获得统一的估计，利用自适应当前统计模型来更新估计，并在各个动态模型的相邻节点之间应用信息加权协同协议。基于多个模型的后验概率，通过模型条件估计的加权组合获得每个传感器的最终估计。实验结果表明，所提算法在跟踪精度和全网估计一致性方面具有优越的性能。