基于压缩感知的云存储系统状态监测方法

为了解决大规模状态监测数据处理中高精度与大规模之间的矛盾,利用压缩感知处理宽带信号优于奈奎斯特采样定律的特性,提出了一种适合于测量云存储系统状态的压缩感知状态监测方法 SDCS.该方法是在经典匹配追踪MP算法的基础上,增加贝努利矩阵行和为零的约束条件而得到的,可用于测量含直流分量的稀疏信号,并保证原始的重构算法依然满足改进后的目标函数.然后,利用仿真实验测评了该方法在蚁群文件系统FFS状态监控中的应用效果.实验测试结果表明,针对稀疏度为10的状态信息,当测量次数大于70时,所有异常结点可被精确定位,且压缩比率达到3.5%,说明该方法能有效压缩监测流量,满足大规模数据高精度检测的要求.

基于粒子滤波与压缩感知的管道泄漏定位

针对管道中突发的泄漏,提出一种基于粒子滤波与压缩感知的泄漏定位方法。首先,基于特征线法建立管道的状态空间方程,使用改进粒子滤波算法对泄漏管道瞬态过程进行状态估计,利用估计值与观测值的均方误差,通过求解优化问题的方式对泄漏点进行定位,并得出泄漏量与泄漏系数的估计值。针对测量值采集、储存和传输设备导致的估计精度低的问题,使用压缩感知对管道的测量值进行预处理。多次实验结果证明,所提出方法使用压缩率为65%~75%的重构信号作为粒子滤波输入时仍能有效定位,相对定位误差约为1%。

压缩感知理论(CS)在弱信号量子测量与蛋白质结构计算中的应用

压缩感知(Compressive Sensing,CS)理论自2006年被提出至今已15年有余,在许多领域如单像素相机、CT扫描成像、雷达等经典系统中获得了成功应用与充分的发展,但在量子和生物系统中还有很大的发展空间.本文首先简单回顾了CS的基本知识及其应用的发展历史,然后重点介绍了北京理工大学量子技术研究中心多年来将CS(以及它的新发展理论)应用于量子精密测量和生物系统上取得的研究成果,具体包括极微弱光信号下的测量与成像、利用CS理论进行多体量子态层析密度矩阵的计算以及根据由CS理论发展的矩阵填充理论进行蛋白质结构计算等方面,说明CS理论不论是在弱信号探测还是量子计算甚至在生物大分子研究方面都具有极大的应用前景和优势,最后对CS理论的应用和发展进行总结和展望.