缺失数据补全

非均匀损失皆可补

针对传感器数据中同时存在的随机缺失和块缺失，该方法引入分组稀疏差分约束与重加权低秩分解，能更准确地恢复受噪声和异常值干扰的全局平滑趋势。

Zhang, Mingqing · Ke, Wei · 何燕霖 · 朱群雄 · Xu, Yuan

IEEE Sensors Journal 2024

技术优势

同时应对随机与块缺失

通过分组稀疏差分约束与低秩分解，统一处理两类非均匀缺失，避免分别设计恢复方案。

抗噪声和异常值

引入Frobenius范数和稀疏范数约束，减轻噪声和稀疏异常值对全局分段平滑性的影响，提升秩近似精度。

计算加速

使用嵌入FFT的双非凸交替方向乘子法，高效求解满足最优性条件的潜变量，加快计算速度。

应用场景

• 工业过程监测：恢复被传感器故障破坏的监测数据，保障实时过程监督。
• 传感器数据恢复：填补传感器数据中的非均匀缺失，用于后续分析。
• 数据驱动控制：为数据驱动控制提供完整数据输入，防止缺失导致的控制降级。