壓縮感知(Compressed Sensing， CS)是一種新的在采樣的同時實現壓縮目的的理論框架，能以較低的頻率采樣信號，并且可以高概率重構該信號。這為可穿戴設備的低功耗長時間運行提供了可能的解決方案。
 

　　中國科學院蘇州生物醫學工程技術研究所光健康研究中心郭立泉課題組基于各種MEMS傳感器(加速度、陀螺儀、磁力計和彎曲傳感器等)開發出一種可穿戴傳感器設備，并結合ZigBee無線協議搭建了無線傳感器網絡平臺。
 

　　在此基礎上，利用互聯網技術開發出了遠程康復訓練與評定系統，從而用于腦卒中患者居家或社區康復訓練與評定。為了減少可穿戴傳感器設備的無線傳輸數據量，延長其續航能力，研究人員又基于壓縮感知理論設計了一種新的信息采集系統。
 

　　設備采集到的運動數據在發送前需要進行“壓縮采樣”處理，這樣可以保證通過ZigBee無線協議傳輸的數據量大大減少。在計算機端，多了一個“信號重構”環節，即利用壓縮感知理論將壓縮的數據恢復成原始信號。由于避開了高速采樣，該系統一方面顯著降低了數據存儲與傳輸代價，另一方面也給高維數據分析提供了一條新的途徑。
 

　　稀疏性分析結果表明，腦卒中患者在康復訓練過程中可穿戴設備所記錄下的運動信號具備稀疏性，因此可以利用壓縮感知對其進行壓縮。實驗結果表明在壓縮域下直接進行特征提取，并進行后續的信號處理，可以避開傳統的壓縮感知理論框架中的信號重構環節，在減小重構過程計算量的同時，也使得下一步在可穿戴傳感器硬件上實現“On Node Analysis”成為了可能。該研究成果發表在Sensors 雜志上(Volume 16， Issue 2)。