煤礦物聯(lián)網(wǎng)需要部署大量的無線傳感器,但是傳感器數(shù)量的增加會導(dǎo)致網(wǎng)絡(luò)數(shù)據(jù)量劇增,傳輸可靠性下降;同時礦用無線傳感器節(jié)點還面臨著能量受限等問題。研究表明只要降低傳感器輸出到網(wǎng)絡(luò)的數(shù)據(jù)量,就可有效解決以上問題,因此高效可靠的壓縮編解碼方法成了煤礦物聯(lián)網(wǎng)技術(shù)的研究熱點。新興的分布式壓縮感知可以用更低采樣率來實現(xiàn)信號的壓縮編碼,有效降低網(wǎng)絡(luò)傳輸數(shù)據(jù)量,特別適用于煤礦物聯(lián)網(wǎng)場景。本文以典型的過程類監(jiān)控信源——煤礦微震信號為例,分析其空間相關(guān)性和稀疏性,比較壓縮感知和分布式壓縮感知恢復(fù)效果。實驗結(jié)果表明,由于同時利用了信號內(nèi)相關(guān)性和信號間相關(guān)性,分布式壓縮感知在煤礦微震信號的編解碼中有較好的壓縮和恢復(fù)性能。針對隨機(jī)觀測矩陣編碼復(fù)雜度高、難于硬件實現(xiàn)的問題,研究了一種基于低密度奇偶校驗碼(LDPC)校驗矩陣的稀疏觀測矩陣——類LDPC觀測矩陣。分析了類LDPC矩陣行重對微震信號測量精度的影響,構(gòu)建了適用于微震信號的類LDPC觀測矩陣,實驗表明當(dāng)采樣率達(dá)到0.35時,類LDPC觀測矩陣(行重為20)已經(jīng)有較好的恢復(fù)效果,恢復(fù)誤差小于0.1,恢復(fù)成功率為97%。針對貪婪類解碼算法恢復(fù)精度有限的問題,結(jié)合蝙蝠算法和正交匹配追蹤算法,提出了一種基于蝙蝠優(yōu)化的解碼算法(CS_BA);并將算法擴(kuò)展到分布式壓縮感知聯(lián)合解碼中,進(jìn)一步提出基于蝙蝠優(yōu)化的聯(lián)合解碼算法(DCS_BA)。實驗表明,與傳統(tǒng)的貪婪迭代算法相比,本算法在小信道噪聲的情況下有更好的恢復(fù)能力。對于煤礦微震信號,DCS_BA算法的平均恢復(fù)誤差比CS_BA算法低0.1。但是CS_BA算法和DCS_BA算法的抗噪聲性能較差,在大噪聲的情況下算法恢復(fù)精度下降明顯。針對貪婪追蹤算法抗噪聲性能較差的問題,提出了一種基于分層置信傳播的解碼算法(CS_LBP);并將算法擴(kuò)展到分布式壓縮感知中,進(jìn)一步提出基于分層置信傳播的聯(lián)合解碼算法(DCS_LBP)。實驗表明,本算法在有較大信道噪聲的情況下有良好的恢復(fù)性能,且DCS_LBP算法在采樣率低至0.2時,運用邊信息依然可以較好的恢復(fù)微震信號。
【學(xué)位單位】：中國礦業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TD76
【文章目錄】：
致謝
摘要
abstract
變量注釋表
1 緒論
    1.1 研究背景與意義
    1.2 分布式壓縮感知研究現(xiàn)狀
    1.3 論文的研究內(nèi)容和創(chuàng)新點
    1.4 論文組織結(jié)構(gòu)
2 信號分析理論基礎(chǔ)
    2.1 壓縮感知
    2.2 分布式壓縮感知
    2.3 煤礦微震信號空間相關(guān)性分析
    2.4 煤礦微震信號稀疏性分分析
    2.5 煤礦微震信號編解碼實驗
    2.6 本章小結(jié)
3 基于類LDPC觀測矩陣的壓縮編碼
    3.1 常用的測量矩陣
    3.2 LDPC碼的基本概念
    3.3 類LDPC觀測矩陣
    3.4 實驗結(jié)果與分析
    3.5 本章小結(jié)
4 基于蝙蝠優(yōu)化的解碼算法
    4.1 蝙蝠算法
    4.2 基于蝙蝠優(yōu)化的壓縮感知解碼算法
    4.3 基于蝙蝠優(yōu)化的分布式壓縮感知聯(lián)合解碼算法
    4.4 實驗結(jié)果與分析
    4.5 微震信號中的應(yīng)用
    4.6 本章小結(jié)
5 基于分層置信傳播的解碼算法
    5.1 分層置信傳播算法的基本概念
    5.2 基于分層置信傳播的壓縮感知解碼算法
    5.3 基于分層置信傳播的分布式壓縮感知聯(lián)合解碼算法
    5.4 實驗結(jié)果與分析
    5.5 微震信號中的應(yīng)用
    5.6 本章小結(jié)
6 結(jié)論與展望
    6.1 結(jié)論
    6.2 展望
參考文獻(xiàn)
作者簡歷
學(xué)位論文數(shù)據(jù)集

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李周;崔琛;;壓縮感知中觀測矩陣的優(yōu)化算法[J];信號處理;2018年02期

2 鄢鵬程;;一種基于閾值迭代和自適應(yīng)觀測矩陣的壓縮感知圖像處理[J];信息與電腦(理論版);2013年03期

3 趙玉娟;鄭寶玉;陳守寧;;壓縮感知自適應(yīng)觀測矩陣設(shè)計[J];信號處理;2012年12期

4 李周;崔琛;;基于奇異值分解的壓縮感知觀測矩陣優(yōu)化算法[J];計算機(jī)應(yīng)用;2018年02期

5 楊春玲;李林蓀;;基于像素相關(guān)的圖像/視頻壓縮感知觀測矩陣[J];華南理工大學(xué)學(xué)報(自然科學(xué)版);2017年12期

6 王軍華;黃知濤;周一宇;王豐華;;壓縮感知理論中的廣義不相關(guān)性準(zhǔn)則[J];信號處理;2012年05期

7 張擇書;郭永飛;;一種基于壓縮感知的衛(wèi)星圖像觀測矩陣優(yōu)化[J];長春理工大學(xué)學(xué)報(自然科學(xué)版);2018年04期

8 王金銘;葉時平;徐振宇;蔣燕君;;低存儲化壓縮感知[J];中國圖象圖形學(xué)報;2016年07期

9 肖小潮;鄭寶玉;王臣昊;;基于最優(yōu)觀測矩陣的壓縮信道感知[J];信號處理;2012年01期

10 胡強(qiáng);林云;;基于觀測矩陣優(yōu)化的自適應(yīng)壓縮感知算法[J];計算機(jī)應(yīng)用;2017年12期

相關(guān)博士學(xué)位論文 前10條

1 陶宇;壓縮感知雷達(dá)觀測矩陣設(shè)計研究[D];南京航空航天大學(xué);2017年

2 孫晶明;壓縮感知中觀測矩陣的研究[D];華中科技大學(xué);2013年

3 黃天耀;基于稀疏反演的相參捷變頻雷達(dá)信號處理[D];清華大學(xué);2014年

4 徐永剛;礦山數(shù)據(jù)壓縮采集與重建方法研究[D];中國礦業(yè)大學(xué);2013年

5 姚世紅;壓縮感知若干關(guān)鍵問題研究[D];武漢大學(xué);2015年

6 張京超;稀疏多頻帶信號壓縮采樣方法研究[D];哈爾濱工業(yè)大學(xué);2014年

7 丁麗;MIMO雷達(dá)稀疏成像的失配問題研究[D];中國科學(xué)技術(shù)大學(xué);2014年

8 葉蕾;語音信號壓縮感知關(guān)鍵技術(shù)研究[D];南京郵電大學(xué);2014年

9 季云云;壓縮感知觀測矩陣與脈沖噪聲環(huán)境下重構(gòu)算法研究[D];南京郵電大學(xué);2014年

10 蔡卓燃;基于機(jī)器學(xué)習(xí)與壓縮感知的認(rèn)知無線電頻譜感知方法研究[D];哈爾濱工業(yè)大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 密雅琪;P張量壓縮感知圖像處理技術(shù)研究與實現(xiàn)[D];北京郵電大學(xué);2019年

2 包婉寧;分布式過程監(jiān)控信源壓縮編碼應(yīng)用與研究[D];中國礦業(yè)大學(xué);2019年

3 楊朝煜;壓縮感知稀疏表示和觀測矩陣的研究[D];華南理工大學(xué);2018年

4 黃韜;基于稀疏觀測矩陣的壓縮感知系統(tǒng)設(shè)計及軟件實現(xiàn)[D];天津大學(xué);2017年

5 劉志剛;非理想模型下穩(wěn)健的壓縮感知方法研究[D];西安電子科技大學(xué);2018年

6 張春妹;壓縮感知觀測矩陣及重構(gòu)算法的智能優(yōu)化策略設(shè)計[D];太原科技大學(xué);2018年

7 陳翠;壓縮感知在通信抗干擾中的應(yīng)用研究[D];電子科技大學(xué);2018年

8 李林蓀;圖像/視頻壓縮感知中基于像素相關(guān)性的觀測矩陣和重構(gòu)算法研究[D];華南理工大學(xué);2018年

9 楊保杰;基于DAE的腦網(wǎng)絡(luò)狀態(tài)觀測矩陣降維方法研究[D];昆明理工大學(xué);2017年

10 董迎朝;基于t-SNE算法的腦網(wǎng)絡(luò)狀態(tài)觀測矩陣降維及可視化平臺研究[D];昆明理工大學(xué);2017年

本文編號：2893211