發(fā)布時(shí)間：2017-10-08 03:26

  本文關(guān)鍵詞：無(wú)線傳感器網(wǎng)絡(luò)中的壓縮感知應(yīng)用研究

  更多相關(guān)文章： 無(wú)線傳感器網(wǎng)絡(luò) 壓縮感知 稀疏變換 重構(gòu)算法

【摘要】：進(jìn)入21世紀(jì),無(wú)線傳感器網(wǎng)絡(luò)被廣泛應(yīng)用于各個(gè)領(lǐng)域,但是無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)的低處理器能力和自身電池容量小這兩大缺陷暴露在眼前。然而壓縮感知理論的提出,正好解決無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)自身的低處理能力和能耗問(wèn)題,把壓縮感知應(yīng)用到無(wú)線傳感器網(wǎng)絡(luò)中,不但可以減輕數(shù)據(jù)采集的負(fù)擔(dān),而且還能使所需的存儲(chǔ)空間變少。與傳統(tǒng)采樣定理不同之處在于,壓縮感知可以通過(guò)對(duì)稀疏信號(hào)的重構(gòu)得到原始信號(hào),從而不必滿足奈奎斯特采樣定理。本文以壓縮感知理論在無(wú)線傳感器網(wǎng)絡(luò)中的應(yīng)用為研究對(duì)象,主要工作內(nèi)容有以下幾點(diǎn)。首先根據(jù)不同信號(hào)類(lèi)型進(jìn)行稀疏和重構(gòu),文中分別以隨機(jī)產(chǎn)生的一維時(shí)域脈沖信號(hào)、橋梁負(fù)載信號(hào)和聲信號(hào)為原始信號(hào)對(duì)象。介紹凸優(yōu)化算法和貪婪算法這兩種經(jīng)典重構(gòu)算法時(shí),分別重構(gòu)一維時(shí)域脈沖信號(hào)和橋梁負(fù)載信號(hào),分析對(duì)比重構(gòu)效果。其次,對(duì)聲信號(hào)進(jìn)行實(shí)際采集試驗(yàn),其中的硬件系統(tǒng)部分是由Telosb無(wú)線節(jié)點(diǎn)和根據(jù)傳聲器駐極體麥克風(fēng)搭建而成的聲音采集調(diào)理電路。最后,在實(shí)驗(yàn)部分中,對(duì)聲信號(hào)進(jìn)行不同小波變換后得到在不同稀疏表示基下的信號(hào),觀測(cè)分析其在不同表示基下的稀疏特性,然后再進(jìn)行重構(gòu),最后觀測(cè)信號(hào)的稀疏特性對(duì)重構(gòu)效果的影響。同時(shí),文中在研究聲信號(hào)的重構(gòu)過(guò)程中,分別使用了BP、OMP、 StOMP三種重構(gòu)算法,在保證同一稀疏變換基的情況下,分析三種重構(gòu)算法的精度和重構(gòu)時(shí)間。通過(guò)一系列的研究仿真,得出不同表示基下,即使重構(gòu)算法相同,得到的重構(gòu)誤差也會(huì)相應(yīng)變化。通過(guò)最終實(shí)驗(yàn)得到在統(tǒng)一變換基和被重構(gòu)信號(hào)類(lèi)型不變的情況下,BP重構(gòu)算法的重構(gòu)誤差最小,StOMP算法的重構(gòu)時(shí)間最快。故而實(shí)際工程應(yīng)用中,選取合適的表示基和重構(gòu)算法將能高精度恢復(fù)出原始信號(hào)。
【關(guān)鍵詞】：無(wú)線傳感器網(wǎng)絡(luò) 壓縮感知 稀疏變換 重構(gòu)算法
【學(xué)位授予單位】：南京理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：TN929.5;TP212.9
【目錄】：

• 摘要3-4
• Abstract4-7
• 1 緒論7-12
• 1.1 研究背景及意義7-8
• 1.2 無(wú)線傳感器網(wǎng)絡(luò)的概述8-9
• 1.3 壓縮感知在無(wú)線傳感器網(wǎng)絡(luò)中的應(yīng)用9-11
• 1.4 本文研究?jī)?nèi)容及結(jié)構(gòu)安排11-12
• 2 壓縮感知理論12-18
• 2.1 壓縮感知理論概述12
• 2.2 壓縮感知基本原理12-13
• 2.3 信號(hào)的稀疏表示13-14
• 2.4 壓縮測(cè)量矩陣14-15
• 2.5 信號(hào)重構(gòu)算法15-16
• 2.6 壓縮感知的應(yīng)用16-17
• 2.7 本章小結(jié)17-18
• 3 基于壓縮感知的信號(hào)重構(gòu)算法研究18-32
• 3.1 凸松弛算法18-21
• 3.2 貪婪算法21-26
• 3.2.1 匹配追蹤算法22-23
• 3.2.2 正交匹配追蹤算法23-25
• 3.2.3 分段正交匹配追蹤(StOMP)算法25-26
• 3.3 基于橋梁負(fù)載數(shù)據(jù)的重構(gòu)算法分析26-31
• 3.4 其它重構(gòu)算法31
• 3.5 本章小結(jié)31-32
• 4 基于Telosb無(wú)線節(jié)點(diǎn)的聲信號(hào)采集32-47
• 4.1 Telosb節(jié)點(diǎn)32-35
• 4.1.1 Telosb節(jié)點(diǎn)簡(jiǎn)介32-34
• 4.1.2 處理器模塊34-35
• 4.1.3 無(wú)線通信模塊35
• 4.2 聲音采集電路35-38
• 4.2.1 傳聲器35-37
• 4.2.2 前置放大電路37-38
• 4.3 嵌入式操作系統(tǒng)TinyOS和nesC語(yǔ)言38-40
• 4.3.1 TinyOS簡(jiǎn)介38-39
• 4.3.2 TinyOS組件模型39
• 4.3.3 TinyOS通信模型39-40
• 4.3.4 nesC語(yǔ)言40
• 4.4 基于TinyOS的聲音信號(hào)采集程序設(shè)計(jì)40-44
• 4.4.1 基于MSP430F1611的數(shù)據(jù)采集的軟件配置40-43
• 4.4.2 聲音信號(hào)的無(wú)線傳輸43-44
• 4.4.3 節(jié)點(diǎn)與PC的串口通信44
• 4.5 上位機(jī)數(shù)據(jù)保存軟件設(shè)計(jì)44-45
• 4.5.1 VISA控件簡(jiǎn)介44-45
• 4.5.2 VISA控件串口參數(shù)設(shè)置45
• 4.5.3 LabVIEW中的數(shù)據(jù)處理45
• 4.6 本章小結(jié)45-47
• 5 系統(tǒng)試驗(yàn)及壓縮感知重構(gòu)信號(hào)分析47-62
• 5.1 聲音原始信號(hào)采集47-48
• 5.2 基于不同稀疏變換基下的聲音信號(hào)重構(gòu)48-57
• 5.2.1 Haar小波變換下的重構(gòu)算法48-51
• 5.2.2 基于Beylkin小波變換的重構(gòu)算法51-53
• 5.2.3 其它小波變換的重構(gòu)算法53-57
• 5.3 基于BP、OMP及StOMP的聲信號(hào)重構(gòu)對(duì)比57-61
• 5.4 本章小結(jié)61-62
• 6 總結(jié)與展望62-64
• 6.1 總結(jié)62-63
• 6.2 展望63-64
• 致謝64-65
• 參考文獻(xiàn)65-68
• 附錄68

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前3條

1 陳玉蘭;聶軍;李紅妹;;基于CC2420的無(wú)線傳感器網(wǎng)絡(luò)的硬件節(jié)點(diǎn)設(shè)計(jì)[J];電腦知識(shí)與技術(shù);2006年17期

2 張朋;陳明;陳亞萍;何鵬舉;;無(wú)線傳感器網(wǎng)絡(luò)操作系統(tǒng)關(guān)鍵技術(shù)研究[J];計(jì)算機(jī)應(yīng)用研究;2007年10期

3 鄭紹華;蔡志明;;一種基于無(wú)線傳感器網(wǎng)絡(luò)的動(dòng)態(tài)數(shù)據(jù)采集系統(tǒng)設(shè)計(jì)[J];現(xiàn)代商貿(mào)工業(yè);2007年12期

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前3條

1 吳愛(ài)明;基于CC2420的無(wú)線傳感器網(wǎng)絡(luò)節(jié)能策略研究[D];電子科技大學(xué);2008年

2 胡純意;基于TinyOS的無(wú)線傳感器網(wǎng)絡(luò)環(huán)境參數(shù)采集系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];中南大學(xué);2010年

3 李學(xué)亮;基于WSN的土壤環(huán)境質(zhì)量智能監(jiān)測(cè)研究[D];南京林業(yè)大學(xué);2013年

，

本文編號(hào)：991733