简介
现代信号处理系统中,由于带宽、能量供给、系统成本等实际约束问题,需要将模拟观测信号进行量化。信号的量化不仅降低了硬件复杂性,减少了器件功耗,占用通信带宽少,而且还具有量化传感器成本低、物理尺寸较小、易实现高速率采样等优点。但信号的量化会损失数据的信息,降低分辨率,使系统的性能降低,这给信号参数的估计带来了很多新的挑战。基于分布式传感器的低精度观测数据,利用噪声有益性,本项目设计了大规模阈值型传感网络模型,提出了含参神经元的图像白化学习新算法,在信号估计、模式分类和产品图像缺陷检测等方面具有广泛的应用前景和实际应用价值。