Compessive Sensing hardware in 1D signals

• Pinto, Sergio ^[1] ; Mendoza, Luis ^[1] ; Velandia, Hernan ^[1] ; Molina, Valentin ^[2]
  1. [1] Universidad de Pamplona

     Universidad de Pamplona

     Colombia

     
  2. [2] Universidad ECCI, Bogotá
• Localización: TECCIENCIA, ISSN-e 2422-3670, ISSN 1909-3667, Vol. 10, Nº. 19, 2015 (Ejemplar dedicado a: TECCIENCIA (Jul-Dec 2015) In progress), págs. 7-14
• Idioma: inglés
• Títulos paralelos:
  • Hardware de compressive sensing en señales 1D
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    El presente trabajo muestra la implementación en hardware de una de las técnicas más modernas y útiles en el tratamiento de señales conocida como: Compressive Sensing (CS), sensado comprimido o muestreo compresivo. Dicha técnica, trabaja en un espacio de señales Sparse: los métodos usados en este artículo para la obtención de señales Sparse son: derivada (D), transformada discreta rápida de Fourier (TDRF), transformada discreta del coseno (TDC) y la transformada wavelet discreta (TWD). Adicionalmente, se implementaron los circuitos electrónicos para el registro de señales de voz, señales de electromiografía y electrocardiografía. La aplicación de CS en dichas señales mostró resultados significativos, que prometen un incremento sustancial de velocidades en la transmisión de información y en el desarrollo de nuevas tecnologías para las comunicaciones en el mundo. La implementación en hardware se realizó en una FPGA (SPARTAN 3E) y en un microcontrolador (PIC 18F4550). Los resultados obtenidos demostraron que es posible reconstruir señales 1D, rompiendo el teorema de Shannon y Nyquist. Así mismo, se llegó a la conclusión de que la implementación en FPGA es más rápida y permite porcentajes de compresión más elevados que con el microcontrolador.

  • English

    This paper shows the implementation in Hardware of the signal processing techniques known as: Compressive Sensing (CS), Compressed Sensing or Compressive Sampling. The technique CS work in a sparse signal space: the methods used in this article are: Derivative (D), discrete Fourier (DFT), discrete cosine (DCT) and discrete Wavelet (WDT) Transform. Additionally, the electronic circuits for acquire voice, electromyography and electrocardiogram signals, were implemented. The application of CS in these signals showed significant results, which promise a substantial increase in transmission speed and the development of new technologies for communications in the world. The hardware implementation was realized in an FPGA SPARTAN 3E and 18F4550 PIC microcontroller. The results showed that is possible to reconstruct 1D signals, breaking the theory of Shannon and Nyquist. Also, we concluded that the FPGA implementation is faster and allows compression ratios higher than with the microcontroller.