Il contributo di questa tesi e quello di studiare alcune strategie per la compressione dei dati in reti di sensori radio utilizzando la tecnica del Compressive Sensing (CS) in combinazione con la Principal Component Analysis (PCA) per poi confrontarle con gli altri algoritmi proposti in letteratura. L'obiettivo è l'abbattimento dei costi computazionali relativi alla compressione dei dati sul singolo nodo.
Compressione spazio-temporale in reti di sensori tramite l'utilizzo combinato della Principal Component Analysis e della stima dei covariogrammi
Mentil, Emanuele
2014/2015
Abstract
Il contributo di questa tesi e quello di studiare alcune strategie per la compressione dei dati in reti di sensori radio utilizzando la tecnica del Compressive Sensing (CS) in combinazione con la Principal Component Analysis (PCA) per poi confrontarle con gli altri algoritmi proposti in letteratura. L'obiettivo è l'abbattimento dei costi computazionali relativi alla compressione dei dati sul singolo nodo.File in questo prodotto:
| File | Dimensione | Formato | |
|---|---|---|---|
|
Tesi.pdf
accesso aperto
Dimensione
1.9 MB
Formato
Adobe PDF
|
1.9 MB | Adobe PDF | Visualizza/Apri |
The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License
Utilizza questo identificativo per citare o creare un link a questo documento:
https://hdl.handle.net/20.500.12608/18727