基于L1加权压缩感知下的车辆分类

作者：龚火青

来源：电脑知识与技术, 2019, 15(06): 162-164.

DOI：10.14004/j.cnki.ckt.2019.0660

• 压缩感知
• CoSaMP算法
• L1加权
• 迭代软阈值算法
• K近邻算法

压缩感知在信息技术和信号处理领域引起了广泛关注,因为它提供了一种替代的,无冗余的信号压缩和重建方法。它利用信号的"稀疏性"来对序列进行欠采样并重建,而不添加由Shannon-Nyquist采样定理建立的混叠噪声。然而,由于使用非线性重建多项式,重建方法是昂贵的。本文为了增强声信号源在变换域中的稀疏性,提出一种L1-加权迭代软阈值算法(L1-IST),并与现有的稀疏信号恢复方法,压缩采样匹配追踪(CoSaMP)与迭代软阈值算法(IST)进行了比较,最后利用L1-IST对具有声信号源的车辆进行分类。以奈奎斯特速率的一半对信号进行采样,然后使用L1-IST进行重建。从多个变换域中提取诸如信号的均值,方差,偏度和峰度的各种特征。从重建信号中提取的特征被馈送到KNN分类器,该分类器将目标信号分类为自行车、汽车、拖拉机或卡车。

• 单位
  广东工业大学