一种新型的单车安防系统 |
|||||||
申请号 | CN201710639893.8 | 申请日 | 2017-07-31 | 公开(公告)号 | CN107487398A | 公开(公告)日 | 2017-12-19 |
申请人 | 满俊恺; | 发明人 | 满俊恺; | ||||
摘要 | 本 发明 属于单车技术领域,公开了一种新型的单车安防系统,设置有: 防盗 报警器, 定位 器,电 风 扇,人脸 扫描仪 ,车把和智能 锁 ;车把上安置有人脸扫描仪; 车轮 上安置有智能锁;智能锁通过 导线 连接人脸扫描仪;支杆内安置有防盗报警器;座架内安置有定位器;前支杆安置有 电风扇 ; 太阳能 电池 板内嵌在支杆下部;自动充气装置设置在车轮处。本发明结构完善,功能多样,安全性高;设置定位器可以追踪丢失单车;设置人脸扫描仪可以通过人脸来打开锁;安全性高;设置防盗报警器可以提供单车的安全性;设置电风扇可以方便用户骑行过程中降温,实用性强;设置 太阳能电池 板,用于提供 电能 ;设置自动充气装置,避免出现车胎没气的情况。 | ||||||
权利要求 | 1.一种新型的单车安防系统,其特征在于,所述新型的单车安防系统包括车把上设置有人脸扫描仪;车轮上安置有智能锁;智能锁通过导线连接所述人脸扫描仪;支杆内安置有防盗报警器;座架内安置有定位器;太阳能电池板镶嵌在支杆下部并与防盗报警器、定位器、电风扇、人脸扫描仪、车灯和自动充气装置通过导线相连;所述自动充气装置设置在车轮处,与车胎充气口相连;电子围栏系统设置在公共停车区域并通过无线连接街道监控系统以及征信系统;所述街道监控系统以及征信系统均通过无线连接防盗报警器;所述电风扇通过紧固套固定在支杆前端;所述车灯设置在车把前端左右两侧; |
||||||
说明书全文 | 一种新型的单车安防系统技术领域[0001] 本发明属于单车技术领域,尤其涉及一种新型的单车安防系统。 背景技术[0002] 单车,通常是二轮的小型陆上车辆。人骑上车后,以脚踩踏板为动力,是绿色环保的交通工具。英文bicycle。其中bi意指二,而cycle意指轮,即两轮车。在中国内地、台湾、新加坡,通常称其为“自行车”或“脚踏车”;在港澳则通常称其为“单车”(其实粤语通常都这么称呼);而在日本称为“自転(转)车”。自行车种类很多,有单人自行车,双人自行车还有多人自行车。可以作为环保的交通工具用来代步、出行;越来越多的人将自行车作为健身器材用来骑行锻炼、自行车出游;自行车本身也是一项体育竞技运动,有公路自行车赛、山地自行车赛、场地自行车赛、特技自行车比赛等。然而现有单车丢失严重,普通的锁无法保证单车的安全性,现有单车结构简单,功能单一,安全性低。 [0003] 综上所述,现有技术存在的问题是:现有单车丢失严重,普通的锁无法保证单车的安全性,现有单车结构简单,功能单一,安全性低,不能满足人们的需要。 发明内容[0004] 针对现有技术存在的问题,本发明提供了一种新型的单车安防系统, [0005] 本发明是这样实现的,一种新型的单车安防系统,所述新型的单车安防系统的车把上安置有人脸扫描仪;车轮上安置有智能锁;智能锁通过导线连接所述人脸扫描仪;支杆内安置有防盗报警器;座架内安置有定位器;太阳能电池板镶嵌在支杆下部并与防盗报警器、定位器、电风扇、人脸扫描仪、车灯和自动充气装置通过导线相连;所述自动充气装置设置在车轮处,与车胎充气口相连;电子围栏系统设置在公共停车区域并通过无线连接街道监控系统以及征信系统;所述街道监控系统以及征信系统均通过无线连接防盗报警器; [0006] 所述电风扇通过紧固套固定在支杆前端; [0007] 所述车灯设置在车把前端左右两侧; [0009] 所述信息采集模块与人脸扫描仪电气连接; [0010] 所述控制器与信息采集模块、信息处理模块、语音报警模块相连; [0011] 所述信息处理模块与数据库模块相连,用于调取数据库信息与处理信息进行比对; [0012] 所述人脸扫描仪的识别方法包括: [0013] 步骤一、采集到N个样本用作训练集X,采用下式求出样本平均值m: [0014] [0015] 其中,xi∈样本训练集X=(x1,x2,…,xN); [0016] 步骤二、求出散布矩阵S: [0017] [0018] 求出散布矩阵的特征值λi和对应的特征向量ei,其中,ei便是主分量,将特征值从大到小依次排列λ1,λ2,…; [0019] 取出p个值,λ1,λ2,…,λp确定出脸空间E=(e1,e2,…,eP),在此脸空间上,训练样本X中,每个元素投影到该空间的点由下式得到: [0020] x'i=Etxi,t=1,2,…,N; [0021] 由上式得到的是将原向量经过PCA降维后的p维向量; [0023] 采用SRC人脸识别算法进行多人脸识别的具体方法为: [0024] 对当前帧人脸检测并按坐标排序得出当前帧各个人脸的识别结果;根据当前帧各个人脸的识别结果计算对应的各个人脸各自相邻n帧识别结果;统计各个人脸的身份,由超过半数n/2的统一身份决定目标的最终身份; [0025] 其中,计算待识别图片与人脸库各类别间的重建误差{r1,r2……rn},r1 [0026] 所述智能锁内置有: [0027] 网络数据下载模块,用于从运营商服务器下载被公钥加密后的网络鉴权数据和网络配置数据; [0028] 密钥库,用于存储与所述运营商服务器的公钥相匹配的私钥; [0029] 运营商数据库,用于存储网络鉴权数据和网络配置数据; [0030] 分别与所述密钥库、所述运营商数据库和所述网络数据下载模块相连接的网络数据认证模块,用于获取所述密钥库中与所述公钥所对应的私钥,通过所述私钥对加密后的网络鉴权数据和网络配置数据进行解密,并对解密后的网络鉴权数据和网络配置数据进行认证,认证通过后将网络鉴权数据和网络配置数据存入所示运营商数据库中; [0031] 所述智能锁的网络数据认证方法包括: [0032] 生成随机数rkeyid,利用椭圆曲线密码算法计算相应的公钥rPKid,rPKid=rkeyid×G,G为椭圆曲线的基点,将rPKid和用户标识UID对外发送,网络数据认证模块的密钥生成系统生成随机数rkeyKMC,利用椭圆曲线密码算法计算其相应的公钥rPKKMC,其中,rPKKMC=rkeyKMC×G,并记γid=rPKid+rPKKMC; [0033] 利用用户标识UID及人脸识别数据库的数据计算标识私钥keyid和标识公钥Rid,具体为: [0034] 生成私钥矩阵和公钥矩阵,私钥矩阵和公钥矩阵的大小均为m×h,m和h均为正整数; [0035] 利用用户标识UID及人脸识别数据库的数据使用散列算法计算用户标识UID的散列值,将所述散列值分为m段,作为私钥矩阵和公钥矩阵的列映射值map[i],i=0,1,2......m-1; [0036] 计算: [0037] [0038] [0039] ri,map[i]为私钥矩阵中的一个元素; [0040] Xi,map[i]为公钥矩阵中的一个元素; [0041] n为椭圆曲线的阶; [0042] 所述运营商服务器的加密方法包括: [0043] 公钥生成:公钥由有限域k,以及它的加法和乘法结构和n个二次多元多项式组成; [0044] 私钥生成:私钥由映射 随机选取的r个线性独立的z1,…,zr∈k[x1,…,x2l]、一个点集P、两个可逆仿射变换L1和L2以及它们的逆组成; [0045] 加密过程即给定明文M′=(x1′,…,xn′),用选取的公钥进行加密,形成密文Z′=(z1′,…,zn′); [0046] 所述公钥生成包括以下步骤: [0047] 选取有限域k,以及它的加法和乘法结构; [0048] 选取2l个二次多元多项式组: [0049] f1(x1,…,x2l),…,f2l(x1,…,x2l)∈k[x1,…,x2l]; [0050] 所述的私钥生成包括以下步骤: [0051] 选取映射 即两个随机数α1,α2; [0052] 随机选取r个线性独立的z1,…,zr∈k[x1,…,xn]; [0053] 选取一个点集P,P是所有映射 的像和原像的集合,即: [0054] [0055] 点集P由随机选取的2l个二次多项式 确定; [0056] 选取两个可逆仿射变换L1和L2以及它们的逆; [0057] 所述的加密过程还包括以下步骤: [0058] 给定消息M′=(x1′,…,xn′); [0059] 用选取的公钥对明文进行加密,加密后的密文为: [0060] Z′=(z1′,…,zn′),其中 [0061] 所述密钥库的解密方法包括: [0062] 在得到密文Z′=(z1′,…,z2l′)后,首先计算: [0063] Y′=L2-1(Z′)=(y1′,…,y2l′); [0064] 对于点集P中的每一点(μ,λ),计算: [0065] [0066] 然后验证Z(y1″,…,y2l″)=μ,如果不成立,则丢弃这组值;否则进行下一步; [0067] 最后计算: [0068] M′=L1-1(y1″,…,y2l″)=(m1′,…,m2l′), [0069] 如果只有唯一的一组(m1′,…,m2l′),那么M′就一定是对应的明文,如果得到超过一组的(m1′,…,m2l′),则用Hash函数或者增加验证方程的方式来确定唯一明文。 [0070] 进一步,所述语音报警模块通过内置的语音识别子模块进行语音识别后,再输出报警信息号;语音识别方法包括: [0072] [0073] 其中,X(w,n)表示所述声音信号的短时傅里叶变换;αu、αd为预设系数且0<αd<αu<1;w表示频域上的频点序号;n表示时域上的帧序号。 [0074] 进一步,所述语音识别方法还包括: [0075] 按照下述公式对每一帧声音信号的短时傅里叶变换进行二值化处理得到二值谱Xb(w,n): [0076] [0077] Tb为预设第一阈值; [0078] 将其中一路声音信号对应的Ka个二值谱与另一路声音信号对应的Kb个二值谱进行两两间的相干性匹配得到所述第一匹配结果,所述第一匹配结果包括匹配度最高的一组二值谱对应的匹配位置和匹配度,Ka、Kb均为正整数。 [0079] 进一步,对于每一路声音信号,按照下述公式计算所述声音信号中的每一帧声音信号的功率谱P(w,n): [0080] P(w,n)=αpP(w,n-1)+(1-αp)|X(w,n)|2 [0081] 其中,X(w,n)表示所述声音信号的短时傅里叶变换; [0082] αp为预设系数且0<αp<1;w表示频域上的频点序号;n表示时域上的帧序号; [0083] 按照下述公式计算每一帧声音信号的功率谱的谱间相关性DP(w,n): [0084] DP(w,n)=|P(w+1,n)-P(w,n)| [0085] 按照下述公式对所述谱间相关性DP(w,n)进行噪声跟踪,获取每一帧声音信号的噪声功率谱的谱间相关性NDP(w,n): [0086] [0087] 其中,βu、βd为预设系数且0<βd<βu<1。 [0088] 进一步,所述信息采集模块首先,用感知设备在独立的采样周期内对目标信号x(t)进行采集,并用A/D方式对信号进行数字量化;然后,对量化后的信号x(i)进行降维;最后,对降维后的信号进行重构;其中t为采样时刻,i为量化后的信号排序。 [0089] 进一步,对量化后的信号进行降维,具体为对量化后的信号通过有限脉冲响应滤波器的差分方程 其中h(0),…,h(L-1)为滤波器系数,设计基于滤波的压缩感知信号采集框架,构造如下托普利兹测量矩阵: [0090] [0091] 则观测 其中b1,…,bL看作滤波器系数;子矩阵ΦFT的奇异值是格拉姆矩阵G(ΦF,T)=Φ′FTΦFT特征值的算术根,验证G(ΦF,T)的所有特征值λi∈(1-δK,1+δK),i=1,…,T,则ΦF满足RIP,并通过求解如下式最优化问题来重构原信号: [0092] [0093] 即通过线性规划方法来重构原信号,亦即BP算法; [0095] [0096] 如果信号在变换基矩阵Ψ上具有稀疏性,则通过求解如下式最优化问题,精确重构出原信号: [0097] [0098] 其中Φ与Ψ不相关,Ξ称为CS矩阵。 [0099] 本发明的优点及积极效果为:该装置结构完善,功能多样,安全性高;设置定位器可以追踪丢失单车;设置人脸扫描仪可以通过人脸来打开锁;安全性高;设置防盗报警器可以提供单车的安全性;设置电风扇可以方便用户骑行过程中降温,实用性强;设置车灯,用于在夜晚给用户提供照明;设置太阳能电池板,用于给单车上的各种装置提供电能;设置自动充气装置,避免用户在骑行时,出现车胎没气的情况,给用户出行造成不便。 [0100] 所述电子围栏系统设置有利于单车存放和对用户的信用度进行评定;街道监控系统的设置有利于及时获得单车在被盗时,安保人员作出及时反映;征信系统的设置,可结合电子围栏系统反馈的信息对用户进行有效的评价并评价出用户的得分。 [0101] 本发明的人脸扫描仪实现无钥匙进入,简化人们出行时间,同时本发明还能实现防盗功能;本发明的提取人脸图像特征向量,一定程度上提高了人脸识别度,有利于图像的采集和识别。本发明的信号采集方法、语音识别方法有利于语音数据的获得,能及时报警发射出去。 [0103] 图1是本发明实施例提供的新型的单车安防系统结构示意图; [0104] 图2是本发明实施例提供的车把的结构示意图; [0105] 图3是本发明实施例提供的防盗报警器的结构框图。 [0106] 图中:1、支杆;2、防盗报警器;3、定位器;4、座架;5、座椅;6、电风扇;7、人脸扫描仪;8、导线;9、车把;10、智能锁;11、车轮;12、车灯;13、太阳能电池板;14、自动充气装置;15、车胎充气口;16、信息采集模块;17、控制器;18、信息处理模块;19、数据库模块;20、语音报警模块。 具体实施方式[0107] 为能进一步了解本发明的发明内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下。 [0108] 下面结合附图对本发明的结构作详细的描述。 [0109] 如图1、图2、图3所示,该新型的单车安防系统包括有:防盗报警器2,定位器3,电风扇6,人脸扫描仪7,车把9和智能锁10;前支杆1上插接有座架4;座架4上套装有座椅5。 [0110] 所述车把9上安置有人脸扫描仪7; [0111] 所述车轮11上安置有智能锁10; [0112] 所述智能锁10通过导线8连接人脸扫描仪7; [0113] 所述支杆1内安置有防盗报警器2; [0114] 所述座架4内安置有定位器3; [0115] 所述前支杆1安置有电风扇6; [0116] 所述车灯12设置在车把9前端左右两侧; [0117] 所述太阳能电池板13内嵌在支杆1下部,与防盗报警器2、定位器3、电风扇6、人脸扫描仪7、车灯12和自动充气装置14通过导线相连; [0118] 所述自动充气装置14设置在车轮11处,与车胎充气口15相连; [0119] 所述防盗报警器2包括信息采集模块16、控制器17、信息处理模块18、数据库模块19和语音报警模块20。 [0120] 所述信息采集模块16与人脸扫描仪7电气连接; [0121] 所述控制器17与信息采集模块16、信息处理模块18、语音报警模块20电气相连; [0122] 所述信息处理模块18与数据库模块19电气相连。 [0123] 本发明的工作原理: [0124] 使用时,用户面向人脸扫描仪7进行人脸扫描,如果匹配则打开智能锁;如果不匹配则无法打开智能锁;当碰触单车时,防盗报警器2会发出警报声;用户骑行过程中可以打开电风扇6帮助降温;如果单车丢失,用户可以通过定位器3发出的信号进行追踪;车灯12,用于在夜晚给用户提供照明;设置太阳能电池板13,用于给单车上的各种装置提供电能;设置自动充气装置14,避免用户在骑行时,出现车胎没气的情况,给用户出行造成不便。 [0125] 人脸扫描仪7对人脸进行扫描,将信息通过导线传递给信息采集模块16,信息采集模块16在控制器17的作用下将信息传递给信息处理模块18,信息处理模块18将图片信息处理成数据信息,控制器17调取数据库信息与数据信息进行比对,若不对,则控制语音报警模块20发出报警声。 [0126] 下面结合具体实施例对本发明作进一步描述。 [0127] 本发明实施例提供的电子围栏系统设置在公共停车区域并通过无线连接街道监控系统以及征信系统;所述街道监控系统以及征信系统均通过无线连接防盗报警器; [0128] 所述人脸扫描仪的识别方法包括: [0129] 步骤一、采集到N个样本用作训练集X,采用下式求出样本平均值m: [0130] [0131] 其中,xi∈样本训练集X=(x1,x2,…,xN); [0132] 步骤二、求出散布矩阵S: [0133] [0134] 求出散布矩阵的特征值λi和对应的特征向量ei,其中,ei便是主分量,将特征值从大到小依次排列λ1,λ2,…; [0135] 取出p个值,λ1,λ2,…,λp确定出脸空间E=(e1,e2,…,eP),在此脸空间上,训练样本X中,每个元素投影到该空间的点由下式得到: [0136] x'i=Etxi,t=1,2,…,N; [0137] 由上式得到的是将原向量经过PCA降维后的p维向量; [0138] 所述人脸扫描仪的识别方法基于稀疏表征,采用SRC人脸识别算法进行多人脸识别; [0139] 采用SRC人脸识别算法进行多人脸识别的具体方法为: [0140] 对当前帧人脸检测并按坐标排序得出当前帧各个人脸的识别结果;根据当前帧各个人脸的识别结果计算对应的各个人脸各自相邻n帧识别结果;统计各个人脸的身份,由超过半数n/2的统一身份决定目标的最终身份; [0141] 其中,计算待识别图片与人脸库各类别间的重建误差{r1,r2……rn},r1 [0142] 所述智能锁内置有: [0143] 网络数据下载模块,用于从运营商服务器下载被公钥加密后的网络鉴权数据和网络配置数据; [0144] 密钥库,用于存储与所述运营商服务器的公钥相匹配的私钥; [0145] 运营商数据库,用于存储网络鉴权数据和网络配置数据; [0146] 分别与所述密钥库、所述运营商数据库和所述网络数据下载模块相连接的网络数据认证模块,用于获取所述密钥库中与所述公钥所对应的私钥,通过所述私钥对加密后的网络鉴权数据和网络配置数据进行解密,并对解密后的网络鉴权数据和网络配置数据进行认证,认证通过后将网络鉴权数据和网络配置数据存入所示运营商数据库中; [0147] 所述智能锁的网络数据认证方法包括: [0148] 生成随机数rkeyid,利用椭圆曲线密码算法计算相应的公钥rPKid,rPKid=rkeyid×G,G为椭圆曲线的基点,将rPKid和用户标识UID对外发送,网络数据认证模块的密钥生成系统生成随机数rkeyKMC,利用椭圆曲线密码算法计算其相应的公钥rPKKMC,其中,rPKKMC=rkeyKMC×G,并记γid=rPKid+rPKKMC; [0149] 利用用户标识UID及人脸识别数据库的数据计算标识私钥keyid和标识公钥Rid,具体为: [0150] 生成私钥矩阵和公钥矩阵,私钥矩阵和公钥矩阵的大小均为m×h,m和h均为正整数; [0151] 利用用户标识UID及人脸识别数据库的数据使用散列算法计算用户标识UID的散列值,将所述散列值分为m段,作为私钥矩阵和公钥矩阵的列映射值map[i],i=0,1,2......m-1; [0152] 计算: [0153] [0154] [0155] ri,map[i]为私钥矩阵中的一个元素; [0156] Xi,map[i]为公钥矩阵中的一个元素; [0157] n为椭圆曲线的阶; [0158] 所述运营商服务器的加密方法包括: [0159] 公钥生成:公钥由有限域k,以及它的加法和乘法结构和n个二次多元多项式组成; [0160] 私钥生成:私钥由映射 随机选取的r个线性独立的z1,…,zr∈k[x1,…,x2l]、一个点集P、两个可逆仿射变换L1和L2以及它们的逆组成; [0161] 加密过程即给定明文M′=(x1′,…,xn′),用选取的公钥进行加密,形成密文Z′=(z1′,…,zn′); [0162] 所述公钥生成包括以下步骤: [0163] 选取有限域k,以及它的加法和乘法结构; [0164] 选取2l个二次多元多项式组: [0165] f1(x1,…,x2l),…,f2l(x1,…,x2l)∈k[x1,…,x2l]; [0166] 所述的私钥生成包括以下步骤: [0167] 选取映射 即两个随机数α1,α2; [0168] 随机选取r个线性独立的z1,…,zr∈k[x1,…,xn]; [0169] 选取一个点集P,P是所有映射 的像和原像的集合,即: [0170] [0171] 点集P由随机选取的2l个二次多项式 确定; [0172] 选取两个可逆仿射变换L1和L2以及它们的逆; [0173] 所述的加密过程还包括以下步骤: [0174] 给定消息M′=(x1′,…,xn′); [0175] 用选取的公钥对明文进行加密,加密后的密文为: [0176] Z′=(z1′,…,zn′),其中 [0177] 所述密钥库的解密方法包括: [0178] 在得到密文Z′=(z1′,…,z2l′)后,首先计算: [0179] Y′=L2-1(Z′)=(y1′,…,y2l′); [0180] 对于点集P中的每一点(μ,λ),计算: [0181] [0182] 然后验证Z(y1″,…,y2l″)=μ,如果不成立,则丢弃这组值;否则进行下一步; [0183] 最后计算: [0184] M′=L1-1(y1″,…,y2l″)=(m1′,…,m2l′), [0185] 如果只有唯一的一组(m1′,…,m2l′),那么M′就一定是对应的明文,如果得到超过一组的(m1′,…,m2l′),则用Hash函数或者增加验证方程的方式来确定唯一明文。 [0186] 所述语音报警模块通过内置的语音识别子模块进行语音识别后,再输出报警信息号;语音识别方法包括: [0187] 语音识别方法对于每一路声音信号,按照下述公式对所述声音信号中的每一帧声音信号进行噪声跟踪,获取每一帧声音信号的噪声谱N(w,n): [0188] [0189] 其中,X(w,n)表示所述声音信号的短时傅里叶变换;αu、αd为预设系数且0<αd<αu<1;w表示频域上的频点序号;n表示时域上的帧序号。 [0190] 进一步,所述语音识别方法还包括: [0191] 按照下述公式对每一帧声音信号的短时傅里叶变换进行二值化处理得到二值谱Xb(w,n): [0192] [0193] Tb为预设第一阈值; [0194] 将其中一路声音信号对应的Ka个二值谱与另一路声音信号对应的Kb个二值谱进行两两间的相干性匹配得到所述第一匹配结果,所述第一匹配结果包括匹配度最高的一组二值谱对应的匹配位置和匹配度,Ka、Kb均为正整数。 [0195] 对于每一路声音信号,按照下述公式计算所述声音信号中的每一帧声音信号的功率谱P(w,n): [0196] [0197] 其中,X(w,n)表示所述声音信号的短时傅里叶变换; [0198] αp为预设系数且0<αp<1;w表示频域上的频点序号;n表示时域上的帧序号; [0199] 按照下述公式计算每一帧声音信号的功率谱的谱间相关性DP(w,n): [0200] DP(w,n)=|P(w+1,n)-P(w,n)| [0201] 按照下述公式对所述谱间相关性DP(w,n)进行噪声跟踪,获取每一帧声音信号的噪声功率谱的谱间相关性NDP(w,n): [0202] [0203] 其中,βu、βd为预设系数且0<βd<βu<1。 [0204] 进一步,所述信息采集模块首先,用感知设备在独立的采样周期内对目标信号x(t)进行采集,并用A/D方式对信号进行数字量化;然后,对量化后的信号x(i)进行降维;最后,对降维后的信号进行重构;其中t为采样时刻,i为量化后的信号排序。 [0205] 对量化后的信号进行降维,具体为对量化后的信号通过有限脉冲响应滤波器的差分方程 其中h(0),…,h(L-1)为滤波器系数,设计基于滤波的压缩感知信号采集框架,构造如下托普利兹测量矩阵: [0206] [0207] 则观测 其中b1,…,bL看作滤波器系数;子矩阵ΦFT的奇异值是格拉姆矩阵G(ΦF,T)=Φ′FTΦFT特征值的算术根,验证G(ΦF,T)的所有特征值λi∈(1-δK,1+δK),i=1,…,T,则ΦF满足RIP,并通过求解如下式最优化问题来重构原信号: [0208] [0209] 即通过线性规划方法来重构原信号,亦即BP算法; [0210] 针对实际压缩信号,如语音的采集,则修改ΦF为如下形式: [0211] [0212] 如果信号在变换基矩阵Ψ上具有稀疏性,则通过求解如下式最优化问题,精确重构出原信号: [0213] [0214] 其中Φ与Ψ不相关,Ξ称为CS矩阵。 [0215] 以上所述仅是对本发明的较佳实施例而已,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所做的任何简单修改,等同变化与修饰,均属于本发明技术方案的范围内。 |