标签: 稀疏表示

为了实现大数据量遥感图像的分类，提出了一种Spark平台下高光谱遥感图像稀疏表示分类并行化方法PSCSRC，首先设计五元组形式的中间数据存储结构，其次在每次迭代中只是将稀疏矩阵中与中间矩阵各分块对应的子矩阵分发到各节点，这就减少了中间数据Shuffle和数据传递的时间消耗。实验结果表明，PSCSRC分类方法与SCSRC分类方法相比，在保证分类精度的同时，执行速度有了明显的提升。

为提高对右心室形态结构和功能异常的检测和诊断对心脑血管疾病的作用，并针对其心腔几何形状复杂，解剖结构特殊，使心脏磁共振图像准确分割变成难点，提出通过OMP和K-SVD的有效结合方法。首先将字典学习过程和稀疏表示结合，这样能更好的训练结果，然后由这些训练出的字典模型和稀疏表示系数进行图像的特征重构，最后根据重构后的误差进行分类实现分割。以MICCAI右心室分割挑战中提供的数据为依托，按照如上方法对右心室进行分割，并对分割结果进行分析，实验结果证明提出的基于K-SVD训练字典的分割方法，分割结果较为准确，从而表明了此方法的有效性。

在众多的室内定位技术中，基于WiFi信号的室内定位技术由于可以充分利用现有WLAN基础设施成为当前主流的室内定位技术之一。但是，室内环境的复杂性使得WiFi信号在传播过程中存在严重的多径干扰，实际定位精度并不高。为了研究基于WiFi的高精度室内定位方法，需要先消除多径衰落的影响。文中利用跳频技术对WiFi2.4GHz频段内所有信道的信道状态信息（CSI）进行拼接，研究基于傅里叶变换的均匀频率间隔CSI多径分离方法和基于稀疏表示的非均匀频率间隔多径分离方法。文中基于软件无线电平台和IEEE802.11n协议，通过对在室内环境中收集到的CSI进行仿真实验，结果表明基于傅里叶变换的方法比基于稀疏表示的方法能够更有效地消除多径效应对于无线信号的影响。