大数据背景下的信号处理[1]
时间：2025-07-07
中国科学:信息科学2013年第43卷第12期:1525–1546
http://www.77cn.com.cn
中国科学院学部科学与技术前沿论坛
信号与信息处理专刊
大数据背景下的信号处理
谢维信x ,陈曾平y,裴继红x,黄建军x,冯纪强x
x深圳大学智能信息研究所,深圳518060y国防科技大学ATR重点实验室,长沙410073*通信作者.E-mail:wxxie@http://www.77cn.com.cn
收稿日期:2013–06–18;接受日期:2013–08–27
国家自然科学基金(批准号:61071206,61271107)和国防预研基金(批准号:9140-9302,9140-0283)资助项目
摘要宽带信号、高维信号、高分辨信号以及多传感器组网技术的快速发展,使得信号采集数据增长率高于数据存储增长率和信号处理速度增长率,信号处理进入了大数据时代.本文指出了大数据背景下的信号处理的关键问题.对于多传感器组网具有的多样性和复杂性的海量信号数据,必须进行信息融合,本文介绍了信号融合的主要模型方法,分析了信息融合技术的发展趋势.智能传感网技术能降低对信号处理和通信容量的要求,有效地在大数据中提取有价值数据.本文给出了智能传感器的基本结构,阐述了智能传感器的计算方法.结合大数据容量信号对高速实时处理的要求,介绍了高速数字信号处理芯片以及高性能硬件平台发展现状,展望了高速信号处理核心技术的发展动向.关键词
信号处理大数据智能传感网信息融合高速信号处理
1引言
信号处理研究信号构造和分析,信号采集、滤波、编码、传输、检测、估值、预测、显示、识别、合成、重构等方面的理论、方法和技术.信号处理正在从传统的应用领域进入到天文、能源、金融、地理科学、安全保障以及社会网络等多个新领域.近30年来,信号处理的理论、方法和技术一直在发展、扩充和深化.随着信号处理理论、硬件技术和系统技术的进步,信号现已进入大规模、多样化的采集时代.
从表现形式来看,信号的形式由单一到丰富多彩.当前的信号在传统物理表现形式的基础上,出现了丰富多彩的信号形式,例如音频信号、视频信号、语言信号、图像信号、多媒体信号、传感器信号、通讯信号、地理信号、声纳信号、雷达信号、化学信号、分子信号、基因信号、生物信号、医学信号、音乐信号等等.从信号带宽来看,信号由窄带信号扩展到宽带信号,比如窄带雷达信号带宽为1～5MHz,而宽带雷达的带宽可高达8GHz.在太赫兹频段,信号脉冲可为单周期信号,其带宽可高达1THz以上.从维度来看,信号由一维信号发展到高维信号.医疗、多光谱遥感图像等高维信号,具有大数据量.例如数字化可视人是将人体断面信息重建成人体的三维立体图像,相应的数据量高达131Gb;高光谱图像的数据量十分庞大,规格为614×512×224的AVRIS图像的高光谱单元立方体数据超700Mbits.从分辨率来看,信号从低分辨率信号发展为高分辨率信号.视频产品的分辨率和帧频都在都不断升高,如美国IMPERX高达2900万像素的高速相机的分辨率为6576×4384,帧频为
ProcessingCommunication
Storage
Information
Information
ProcessingCommunication
Storage
图1
Figure1
信号处理瓶颈问题的转移
Theperformancebottleneckofsignalprocessing
2.4fps,输出数据率高达每秒1.1Gb;目前,数码相机传感器的价格已低于1美元/万像素;高采样率和
高分辨率ADC的使用产生出更大的数据量,如Intersil公司的ISLA216P25,采样频率达250MHz,分辨率达16位,单通道数据率为每秒4Gb.从采集方式来看,信号采集从单一传感器到信号采集网络化.目前,遍布全国各地的传感探头多达1000万个以上;据预计,2015年中国传感器网产业市场规模将达到7500亿元,年复合增长率将超过30%,分布于安防、交通、电力、医疗、环境、金融等多个方面.信号在带宽、维数、分辨率以及采集网络化上的快速发展,使得信号采集数据增长率高于数据存储增长率和信号处理速度增长率.例如,美国地面实时广域监视成像系统具有1.8千兆像素的数码相机,每台摄像机覆盖160平方公里,具有30厘米地面分辨率.若以每秒15帧的速度获取视频,则产生的原始数据速率为每秒770Gb,而到达地面站的无线通信链路的最大速率是每秒274Mb.信号处理进入了大数据时代.在以往,信号处理研究人员研究解决的一个主要问题是“信号采集瓶颈”:传感器系统采集的信号量太少,使后续信息提取和解释变得困难和复杂.为此,信号处理工作者一直在两个方面开展工作,用更少的数据来做尽量多的事,以及设法采集到更丰富的信号数据.在大数据背景下,信号处理的瓶颈已由“信号采集量太少”转移到“如何对海量信号数据进行高速有效处理”(见图1)[1].从数据缺乏转变为数据丰富,大数据背景下的信号处理,需要研究4个方面的关键问题(见图2):(1)感知压缩,以降低信号的数据量;(2)多传感器信息融合,以处理复杂多源信息;(3)智能传感网技术,以提取有价值信号;(4)高速信号处理,以提高信号处理速度.
2
2.1
多传感器信息融合
多传感器组网系统
多传感器组网系统从军事领域应用开始,现已应用到智能交通与智能车辆系统、智能机器人、医
1526
图2
Figure2
大数据背景下的信号处理
Signalprocessinginthecontextofbigdata
学成像与诊断、安全监测、对地遥感、复杂工业过程控制以及农业工程等多个领域.
大数据背景下的信号处理[1].doc
将本文的Word文档下载到电脑
下一篇：优良学风班申报材料
