此标签下有3条笔记。
压缩感知理论
压缩感知理论 压缩感知（Compressive Sensing, CS）是一种突破 Nyquist 采样定理的新型信号采集理论：当信号在某个变换域具有稀疏性时，可以远低于 Nyquist 率的采样速率进行采集，并通过非线性优化算法精确重建原始信号。由 Donoho、Candès、Romberg、Tao 等在 2006 年前后正式提出。 核心思想 稀疏表示 如果信号 x∈RN 在某个正交基 Ψ（如 DCT、小波）下仅有 K≪N 个非零系数，则称信号是 K-稀疏 的 自然信号（包括神经信号、图像、音频）在适当变换域中通常呈现近似稀疏性 测量过程 y=Φx=ΦΨs=Θs 其中： Φ∈RM×N 为测量...
多通道压缩域特征提取SoC
多通道压缩域特征提取SoC 首个全集成多通道压缩域特征提取 SoC，面向皮层植入式癫痫检测。在模拟/数字域直接对压缩后的神经信号提取特征，避免完整信号重建，大幅降低数据率和无线传输功耗。由 Shoaran/Schmid 在 AACD 2015 提出。 设计动机 皮层脑电（ECoG）记录需要大量的电极通道（≥16），导致： 数据率过高：数字化的多通道神经信号 > 数 Mbps 无线传输功耗占系统总功耗的主要部分 传统方案先完整重建信号再提取特征 → 功耗浪费 架构创新 压缩域特征提取 在压缩感知（Compressive Sensing）域直接提取统计特征 避免 Nyquist 率采样和完整...
Shoaran 2016 Compressive Sensing Platform for Cortical Implants 深度解析
Shoaran 2016: Power-Efficient Compressive Sensing for Cortical Implants 来源: M. Shoaran, A.