利用压缩感知技术优化传感器位置，重建建筑物周围的风压场

Jun, 2023

利用压缩感知技术优化传感器位置，重建建筑物周围的风压场

Optimal sensor placement for reconstructing wind pressure field around buildings using compressed sensing

Xihaier Luo, Ahsan Kareem, Shinjae Yoo

TL;DR本文介绍了一种数据驱动的稀疏传感器选择算法，通过拟合训练数据的基函数，排列现有压力传感器的重要性顺序，并成功地重建了高层建筑风压的空气动力学特性，为将数据驱动和机器学习算法成功应用于风工程提供了有希望的首要步骤。

Abstract

Deciding how to optimally deploy sensors in a large, complex, and spatially extended structure is critical to ensure that the surface pressure field is accurately captured for subsequent analysis and design. In some cases, reconstruction of missing data is required in downstream tasks such as the development of digital twins. This paper presents a

sensor selection algorithm aerodynamic characteristics sparse measurement locations basis functions data-driven

发现论文，激发创造

基于稀疏压力传感器输入的机器学习增强实时气动力预测

本文提出了一种基于少量位置布置的压力传感器的数据驱动空气动力学力预测模型，包括线性项和非线性校正，其中线性项通过减少的基础重构预测表面压力分布，而非线性项则是视情况而定的人工神经网络，用于提高精度。该模型在模拟和实验数据中被验证为快速准确地预测无人机的气动力。

May, 2023

稀疏传感器的数据诱发相互作用

科学和工程中的大维度实证数据往往具有低秩结构，并可表示为仅由少数特征模式的组合。本研究基于数据训练给出了传感器相互作用的完整景观，采用了统计物理学中的伊辛模型，从而优化了传感器布置并利用了外部选择准则。

Jul, 2023

基于多模式学习的高分辨率空间风速场重建

基于变分数据同化和深度学习概念的框架，用于海面风速的时空丰富、高分辨率信息恢复和模型重建。

Dec, 2023

基于统计物理的压缩感知重建

本文介绍了一种基于概率重构方法、信令传递算法、及结晶成核理论的、能够精确重构低采样率稀疏信号的压缩感知算法，并使用统计物理方法进行了分析和实验验证。

Sep, 2011

稀疏感知中的场重构：可微传感器布置增强泛化能力

通过差分编程在神经网络模型的训练中利用传感器放置来改善场重建，我们的方法有潜力显著提高数据收集效率，实现更全面的区域覆盖，并减少传感器部署的冗余。

Dec, 2023

MIMO 雷达的空间压缩感知

通过结构化随机矩阵的特性，我们发展出了一种多输入多输出（MIMO）雷达的稀疏定位框架，使得无需填充全部（奈奎斯特）阵列即可实现与填充阵列相当的性能，并且通过压缩感知恢复算法在性能上超越了经典方法，提供了高分辨率的虚拟阵列口径，同时仅需使用少量 MIMO 雷达元件。

Apr, 2013

设计、实施和分析一种压缩感知光声投影成像系统

通过自行开发的压缩感知单元，我们扩展了现有的照片声投影成像系统，实现了特定测量在 16 个线性探测器组中的 CS-PAPI 系统，并且证实了其稀疏恢复能力，数值实验支持了我们的结果。

Feb, 2024

通过重建时变图信号恢复丢失的传感器数据

本文基于图信号处理理论，针对无线传感器网络中缺失数据问题，提出一种新的 Sobolev 重建算法，并在公开数据集上实验测试，表现优于现有技术

Mar, 2022

结构化压缩感知：从理论到应用

本文论述了在压缩感知中利用信号和测量结构进行体现的主题，并将理论与实践相结合，介绍了新的方向及与传统压缩感知的关系。

Jun, 2011

使用区域感知的稀疏信号主动搜索

该论文提出了一种基于信息增益的算法，使用包括单点在内的矩形区域的噪声平均值来主动收集数据来搜索稀疏信号，并在 1D 中对其进行分析，展示了其与其他算法的较高效率表现，并使用卫星图像数据和高维中的搜索问题证明了其实际表现。

Dec, 2016