针对水利水电工程中图像压缩传输的需求,这里提出基于K-SVD、压缩采样匹配追踪(CoSaMP)重构的欠完备字典学习及稀疏表达方式,并结合图像块字典更新学习得到终端边缘计算有损压缩方法。之后设计了应用于4G、GPRS网络环境的物联网终端系统。工程应用结果表明,所提的方法及设计的终端模块能够实现在短时间(计算时间最长14.2s)内达到最高93%、最低59.8%的数据压缩比,重建图像能够清晰表达原图像特征,峰值信噪比(PSNR)达到(24.3~25.4)db,优于传统压缩传输方法。这里所提系统具有低成本、低功耗、较高性能的优点,有效解决实际应用中图像采集连接超时、成像时延大、数据传输成本高的问题。

采用工业无线传感器网络的机械状态监测系统需要进行复杂的数据压缩和高精度的重构,而传感器网络节点资源受限,针对这一问题提出基于小波包字典优化的旋转机械振动信号压缩感知重构方法.该方法结合小波包多分辨率分析及K-SVD字典训练方法,提出了小波包字典优化方法代替传统的正交基字典稀疏表示方法,提高稀疏度.根据旋转机械振动信号自身特征,提出用块稀疏贝叶斯学习最大期望值算法,代替传统仅依赖于稀疏假设的算法实现信号重构.实际轴承振动信号仿真结果表明,该方法相对于传统的压缩感知方法重构性能明显提高.