[发明专利]基于张量分解和深度学习的信号压缩与恢复方法及系统在审
| 申请号： | 201910309593.2 | 申请日： | 2019-04-17 |
| 公开（公告）号： | CN110070583A | 公开（公告）日： | 2019-07-30 |
| 发明（设计）人： | 杨昉;邹琮;潘长勇;宋健 | 申请（专利权）人： | 清华大学 |
| 主分类号： | G06T9/00 | 分类号： | G06T9/00;G06F17/16 |
| 代理公司： | 北京清亦华知识产权代理事务所(普通合伙) 11201 | 代理人： | 张润 |
| 地址： | 10008*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于张量分解和深度学习的信号压缩与恢复方法及系统，其中，该方法包括以下步骤：根据预设的信号采样率生成测量矩阵；将原始信号与测量矩阵相乘，生成压缩信号；搭建用于信号恢复的基于张量分解方法的神经网络，并通过张量分解方法对神经网络进行分解，获得趋于原始信号的测试信号，并利用压缩信号和原始信号获取完成训练的神经网络；将测试信号与测量矩阵相乘，得到压缩测试信号，并将压缩测试信号输入至完成训练的神经网络，以获得恢复后的测试信号。该方法可以大幅缩减信号恢复所需的时间，同时网络所需参数的数目可以得到大幅度地降低，所需计算空间减少，即便在信号采集率较低时，仍然可以保持较高的信号恢复精度。 | ||
| 搜索关键词： | 神经网络 分解 测试信号 原始信号 压缩测试信号 矩阵相乘 信号恢复 信号压缩 压缩信号 测量 恢复 矩阵 空间减少 缩减信号 信号采集 信号采样 预设 学习 网络 | ||
【主权项】：
1.一种基于张量分解和深度学习的信号压缩与恢复方法，其特征在于，包括以下步骤：步骤S1，根据预设的信号采样率生成测量矩阵；步骤S2，将原始信号与所述测量矩阵相乘，生成压缩信号；步骤S3，搭建用于信号恢复的基于张量分解方法的神经网络，并通过张量分解方法对所述神经网络进行分解，获得趋于所述原始信号的测试信号，并利用所述压缩信号和所述原始信号获取完成训练的神经网络；以及步骤S4，将所述测试信号与所述测量矩阵相乘，得到压缩测试信号，并将所述压缩测试信号输入至所述完成训练的神经网络，以获得恢复后的测试信号。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于清华大学，未经清华大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910309593.2/，转载请声明来源钻瓜专利网。
