但是,，能量耗損在生理信號(hào)持續(xù)無(wú)線遙控方面仍是一個(gè)難題。而根據(jù)大部分生理信號(hào)的非稀疏特征,，大多數(shù) CS 計(jì)算法在數(shù)據(jù)恢復(fù)方面都不甚理想,，存在信號(hào)丟失和數(shù)據(jù)恢復(fù)困難的特點(diǎn)。成塊稀疏貝葉斯學(xué)習(xí)（BSBL）是一種有效記錄這些信號(hào)的方式,，其數(shù)據(jù)恢復(fù)質(zhì)量也較令人滿意,。但是其在多通道信號(hào)恢復(fù)時(shí)耗時(shí)量也非常大，其計(jì)算負(fù)荷幾乎是隨通道數(shù)量增加而呈線性增加,。

在本文中,，來(lái)自美國(guó)圣迭亞哥州哥倫比亞大學(xué)電子與計(jì)算機(jī)工程系的張志霖博士等對(duì)時(shí)空稀疏貝葉斯學(xué)習(xí)計(jì)算法在多通道生物信號(hào)采集方面進(jìn)行了研究，并發(fā)表于 Neural Syst Rehabil Eng2014 年 11 月刊上,。

研究人員通過(guò)計(jì)算分析發(fā)現(xiàn),，該算法可以同時(shí)對(duì)獲得的多通道信號(hào)進(jìn)行恢復(fù)和分析,。它不僅可以發(fā)掘各通道信號(hào)的時(shí)間相關(guān)性，也可以發(fā)掘不同通道間的通道相互關(guān)聯(lián)性,。此外,，其計(jì)算負(fù)荷也不會(huì)隨通道數(shù)目的增加而明顯增加。并且該算法已用于腦機(jī)接口（BIC）和基于腦電圖（EEG）的睡眠評(píng)估,。

另外,，研究人員還指出，該算法不僅有更好的信號(hào)恢復(fù)性能,，而且也比 BSBL 處理速度更快,。值得一提的是，該算法確保了對(duì) BCI 的分類,，并且即使在數(shù)據(jù)壓縮 80% 條件下也可以對(duì)睡眠信號(hào)進(jìn)行分析評(píng)估,，使其非常適合用于多通道信號(hào)持續(xù)無(wú)線遙控。

從總的研究來(lái)看,，研究人員推薦的時(shí)空稀疏貝葉斯學(xué)習(xí)算法可對(duì)高能效多通道信號(hào)進(jìn)行壓縮傳感,。與現(xiàn)存壓縮傳感計(jì)算法相比，它不僅可以發(fā)現(xiàn)單通道信號(hào)的相關(guān)構(gòu)造,，也可以發(fā)現(xiàn)通道間的相關(guān)性,。與現(xiàn)存最先進(jìn)的算法相比，它具有更好的數(shù)據(jù)恢復(fù)性能,。即使通道數(shù)量明顯增加,，其計(jì)算速度也會(huì)保持相對(duì)穩(wěn)定。

對(duì)基于穩(wěn)態(tài)視覺(jué)誘發(fā)電位的 BCI 和基于 EEG 引導(dǎo)的睡眠評(píng)估顯示,，在使用該算法計(jì)算時(shí),，即使這些信號(hào)被壓縮 80%，BCI 分類率和睡眠評(píng)估的信號(hào)恢復(fù)幾乎與原信號(hào)相差無(wú)幾,。

同時(shí)研究人員還指出,，由于該算法源自于貝葉斯選擇依據(jù)，所以它還可以用于許多其他方面的研究,，例如特征選擇,、源定位和稀疏表示等。