【摘要】：礦山物聯(lián)網(wǎng)是煤礦信息化的產(chǎn)物,是實現(xiàn)對煤礦安全生產(chǎn)全方位感知的重要技術(shù)手段,礦山物聯(lián)網(wǎng)的推廣對提高煤礦安全生產(chǎn)管理水平意義重大。在礦山物聯(lián)網(wǎng)中,眾多傳感器產(chǎn)生的數(shù)據(jù)量龐大,對數(shù)據(jù)傳輸網(wǎng)造成了巨大的沖擊,因此,如何將傳感器產(chǎn)生的實時數(shù)據(jù)進行壓縮傳輸是礦山物聯(lián)網(wǎng)中值得研究的一個關(guān)鍵問題。本文針對煤礦分布式信源產(chǎn)生的實時數(shù)據(jù)壓縮問題展開了以下研究:(1)針對傳感器采集的數(shù)據(jù)量龐大、數(shù)據(jù)變化緩慢以及傳統(tǒng)采樣方式不能及時捕獲采樣間隙內(nèi)信號突變的問題,本文采用分布式壓縮感知對傳感器采集的實時數(shù)據(jù)進行處理。分布式壓縮感知是一種突破了奈奎斯特采樣定理的全新的信息獲取方式,它能夠及時地捕獲到信號的異常變化信息,而且能夠同時利用信號內(nèi)和信號間的相關(guān)性,從而有效地減少網(wǎng)絡傳輸?shù)臄?shù)據(jù)量,特別適合礦山物聯(lián)網(wǎng)的分布式應用場景。(2)以煤礦的典型信源-瓦斯?jié)舛刃旁礊槔?分析了其狀態(tài)特性、空間相關(guān)性以及稀疏性和聯(lián)合稀疏性等特性,驗證了瓦斯?jié)舛刃盘栐贔FT基上具有稀疏性和聯(lián)合稀疏性,證明瓦斯?jié)舛刃盘柨梢杂梅植际綁嚎s感知理論處理,且在觀測值相同的情況下分布式壓縮感知的效果比壓縮感知的效果要好。(3)分析了目前分布式壓縮感知理論的研究中常用的高斯隨機觀測矩陣、伯努利隨機觀測矩陣以及稀疏隨機觀測矩陣的優(yōu)缺點,然后根據(jù)礦山物聯(lián)網(wǎng)中傳感器節(jié)點對實時數(shù)據(jù)處理算法的低復雜度要求提出了一種優(yōu)化的稀疏隨機矩陣,在證明了優(yōu)化的稀疏隨機矩陣的RIP特性后對其進行了性能分析和驗證,結(jié)果表明優(yōu)化的稀疏隨機矩陣在與FFT基的互相干系數(shù)、計算復雜度以及觀測效果等方面均優(yōu)于所選的其他矩陣。(4)在分布式壓縮感知理論的基礎上提出了一種煤礦分布式信源實時變速率編碼策略,然后對編碼策略中的虛擬分簇方式進行了介紹,最后針對煤礦分布式信源中變化緩慢的數(shù)據(jù)提出了一種基于游程編碼思想的壓縮算法,實驗結(jié)果表明使用提出的實時編碼策略能夠很好地對煤礦的分布式信源產(chǎn)生的實時數(shù)據(jù)進行壓縮。
【圖文】：

1 緒論進行實時變速率壓縮。1.3 壓縮感知研究現(xiàn)狀(Research Status of Compressed Sensing)1.3.1 稀疏表示的研究現(xiàn)狀CS 理論被提出后即受到了各個領域?qū)W者的廣泛重視和深入研究，學者們多年的研究工作使 CS 理論日益成熟。在目前的研究中，如何將信號稀疏表示、如何為信號選取適當?shù)挠^測矩陣以及如何選用重構(gòu)算法將信號精準地重構(gòu)是 CS 理論的主要內(nèi)容以及研究熱點。將信號進行稀疏表示的前提是信號本身或者經(jīng)過某種變換之后是稀疏的，信號的稀疏性越好，重構(gòu)信號所需要的觀測值就越少，，壓縮率以及重構(gòu)效果也會更好，所以選取適當?shù)南∈杌鶎π盘栠M行稀疏表示非常關(guān)鍵。經(jīng)過多年的研究，信號的稀疏表示已經(jīng)有了多種方法，其中主要包括以下三大類，如圖 1-1 所示。

2.4 壓縮感知理論(Compressed Sensing Theory)2.4.1 壓縮感知理論框架在傳統(tǒng)的信息獲取模式中，信號的采樣過程都要滿足 Nyquist 采樣定理，否則重構(gòu)的信號將會有很大的誤差。但是隨著信息化程度的不斷加深，這種模式采樣的弊端越來越明顯。CS 理論摒棄了傳統(tǒng)以 Nyquist 采樣速率采樣再壓縮的形式，而是邊采樣邊壓縮，將原來的模擬數(shù)字轉(zhuǎn)換（ADC）模式轉(zhuǎn)換為模擬信息轉(zhuǎn)換模式（AIC）。圖 2-1 和圖 2-2 分別是傳統(tǒng)的信息獲取過程與 CS 理論獲取信息過程。圖 2-1 傳統(tǒng)的信息獲取過程Figure2-1 Traditional information acquisition process
【學位授予單位】：中國礦業(yè)大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TD76;TP391.44;TN929.5

【參考文獻】

相關(guān)期刊論文 前10條

1 黃歡;吳中驊;;基于稀疏表示的圖像去噪算法優(yōu)化[J];計算機與數(shù)字工程;2015年11期

2 王沖;張霞;李鷗;;無線傳感網(wǎng)中基于空間相關(guān)性的壓縮感知路由算法[J];信息工程大學學報;2015年04期

3 白蘭淑;劉伊克;盧回憶;王一博;常旭;;基于壓縮感知的Curvelet域聯(lián)合迭代地震數(shù)據(jù)重建[J];地球物理學報;2014年09期

4 王雄文;王華忠;;基于壓縮感知的高分辨率平面波分解方法研究[J];地球物理學報;2014年09期

5 王紅亮;王帥;劉文怡;;壓縮感知實現(xiàn)方法及應用綜述[J];探測與控制學報;2014年04期

6 任越美;張艷寧;李映;;壓縮感知及其圖像處理應用研究進展與展望[J];自動化學報;2014年08期

7 黨殭;馬林華;田雨;張海威;茹樂;李小蓓;;m序列壓縮感知測量矩陣構(gòu)造[J];西安電子科技大學學報;2015年02期

8 吳立新;汪云甲;丁恩杰;朱旺喜;張瑞新;張申;王植;;三論數(shù)字礦山——借力物聯(lián)網(wǎng)保障礦山安全與智能采礦[J];煤炭學報;2012年03期

9 焦李成;楊淑媛;劉芳;侯彪;;壓縮感知回顧與展望[J];電子學報;2011年07期

10 王其軍;程久龍;司榮軍;;煤礦安全監(jiān)測監(jiān)控數(shù)據(jù)特征與壓縮算法研究[J];中國煤炭;2006年05期

本文編號：2646766