王 涛，田 青，虞致国，孙益洲，顾晓峰

(1.物联网技术应用教育部工程研究中心 江南大学 电子工程系，江苏 无锡 214122;2.无锡太湖学院, 江苏 无锡 214064)

0 引 言

随着人工智能和无线传感器技术的飞速发展，现代医学已经进入了智能医疗和远程医疗的时代[1]。老年人的健康诊断费用高昂，疾病护理面临越来越大的挑战[2]。其中，远程心电(electrocardiograph,ECG)信号监控的推广有望建立起一种全新的心血管疾病医疗模式。目前远程ECG的检测与传输是无线传感器网络(wireless sensor networks,WSNs)的重要组成部分。由于在传输过程中存在大量的EEG数据，如何降低数据传输量和能耗而又保证可靠的信号质量，成为WSNs应用的关键问题。

压缩感知(compressed sensing,CS)是一种新兴的采样理论，不仅可以降低对数据存储的要求，而且可以减小设备的体积，因此广泛应用在医疗、护理和体育等领域[3,4]。CS的研究主要包括信号稀疏表示，测量矩阵和重构算法[5]。目前主流上的重构算法中，迭代贪婪追踪算法具有低复杂度、高精度和高速的特点，研究人员进行了相关研究，包括匹配追踪(matching pursuit,MP)算法[6]，正交匹配追踪(orthogonal matching pursuit,OMP)算法[7]，分段OMP(stagewise orthogonal matching pursuit,StOMP)算法[8]，正则化正交匹配追踪(regularized orthogonal matching pursuit，ROMP)[9]算法，子空间追踪(subspace pursuit,SP)算法[10]和压缩采样匹配追踪(compressive sampling matching pursuit,CoSaMP)算法[11]。然而，上述算法都需要稀疏度作为完成迭代的先验条件，使得它们不适合某些实际应用。因此，稀疏自适应匹配追踪(sparsity adaptive matching pursuit,SAMP)算法被提出用以重构信号而不需稀疏度的先验信息[12,13]。于志文提出了可变步长稀疏自适应匹配追踪(variable step-size sparsity adaptive matching pursuit,VSSAMP)算法，选择可变步长来加速重构[14]。黄伟强提……