TY - JOUR A2 - 巴斯克斯 - 维拉尔，伊AU - Djelouat，哈姆扎AU - 巴利，哈姆扎AU - 阿米拉，阿巴斯AU - Bensaali，Faycal PY - 2017年DA - 2017年11月29日TI - 自适应联合稀疏恢复为压缩感知基于脑电系统SP - 9823684 VL - 2017年AB - 过去十年发生巨大努力塑造的东西（IOT）平台的互联网非常适合于医疗应用。这些平台是由无线传感器网络的监控几个物理和生理量。例如，长期使用监测可佩戴脑波脑活动的脑电图（EEG）的传感器被广泛地利用在临床诊断癫痫发作和睡眠障碍的。然而，这类平台的部署是由高功耗和系统复杂性的挑战。能量效率可以通过探索有效的压缩技术，例如压缩感测（CS）来实现。CS是一个新兴的理论，使使用精心设计的传感矩阵压缩采集。此外，系统的复杂性可通过使用硬件构造友好传感矩阵进行优化。本文量化基于CS的多通道脑电图监测的性能。此外，本文使用利用子空间追求（SP）算法，以及在为了提高重建质量设计的稀疏基底多信道EEG的联合稀疏性。 Furthermore, the paper proposes a modification to the SP algorithm based on an adaptive selection approach to further improve the performance in terms of reconstruction quality, execution time, and the robustness of the recovery process. SN - 1530-8669 UR - https://doi.org/10.1155/2017/9823684 DO - 10.1155/2017/9823684 JF - Wireless Communications and Mobile Computing PB - Hindawi KW - ER -