本文選題：無線傳感器網(wǎng)絡 + 稀疏事件檢測��； 參考：《中國電子科學研究院學報》2017年02期

【摘要】：對無線傳感器網(wǎng)絡(WSNs)弱稀疏性事件檢測問題進行研究,提出了一種基于并行離散群居蜘蛛優(yōu)化算法和壓縮感知的WSNs稀疏事件檢測方案。該方案采用壓縮感知(CS)技術(shù)進行稀疏事件分析檢測,針對事件向量稀疏度未知的特性,設計基于MPI框架的并行離散群居蜘蛛優(yōu)化算法(PDSSO),重新定義蜘蛛編碼方式和自適應迭代進化機制,給出并行轉(zhuǎn)移策略,并將PDSSO應用于CS重構(gòu)算法中;針對觀測字典難以滿足約束等距條件的特點,對稀疏矩陣和測量矩陣進行奇異值預處理操作,在保持稀疏度不變的基礎(chǔ)上提高了算法重構(gòu)性能。仿真結(jié)果表明,與GMP等檢測方法相比,該方案有效提高了WSNs稀疏事件檢測成功率,降低了誤檢率和漏檢率。
[Abstract]:The problem of weak sparsity detection in wireless sensor network (WSNs) is studied, and a WSNs sparse event detection scheme based on parallel discrete group spider optimization algorithm and compressed sensing is proposed. The scheme uses CS (compressed sensing) to detect sparse event analysis, and the design base is designed for the feature of event vector sparsity unknown. In the parallel discrete group spider optimization algorithm (PDSSO) of the MPI framework, the spider coding and adaptive iterative evolution mechanism are redefined, the parallel transfer strategy is given, and the PDSSO is applied to the CS reconstruction algorithm. The singular value preprocessing of the sparse matrix and the measurement matrix is carried out for the characteristics of the observational dictionary which is difficult to meet the constraint isometric conditions. As a result, the performance of the algorithm is improved on the basis of keeping the sparsity unchanged. The simulation results show that, compared with the GMP and other detection methods, the proposed scheme effectively improves the success rate of WSNs sparse event detection, and reduces the false detection rate and the missed detection rate.
【作者單位】： 重慶城市職業(yè)學院;重慶大學;常州大學;
【基金】：全國教育科學規(guī)劃重點課題(DBC2012039) 重慶市資助課題(113296)
【分類號】：TN929.5;TP18;TP212.9

【相似文獻】

相關(guān)期刊論文 前7條

1 張菊芳,魏峻;復合事件檢測技術(shù)的綜述與評價[J];計算機應用研究;2005年10期

2 禚偉;金蓓弘;陳海彪;張利峰;;基于發(fā)布/訂閱中間件的時空事件檢測研究[J];計算機科學;2012年10期

3 齊宏卓;王健;魯穎欣;;利用上下文信息的網(wǎng)球賽聲學事件檢測[J];哈爾濱理工大學學報;2013年04期

4 李祺;田斌;;物聯(lián)網(wǎng)中音頻事件檢測方法的研究(英文)[J];中國通信;2011年01期

5 朱翠濤;瞿毅;;基于壓縮感知的稀疏事件檢測[J];中南民族大學學報(自然科學版);2011年01期

6 袁曉,虞厥邦;流式Mallat塔式分解與事件檢測[J];信號處理;1998年02期

7 ;[J];;年期

相關(guān)會議論文 前1條

1 胡佳鋒;金蓓弘;陳海彪;;空間事件檢測的加速策略研究[A];第七屆和諧人機環(huán)境聯(lián)合學術(shù)會議（HHME2011)論文集【oral】[C];2011年

相關(guān)碩士學位論文 前10條

1 裴孝中;行車噪聲環(huán)境下的快速聲學事件檢測方法研究[D];哈爾濱工業(yè)大學;2015年

2 吳維耀;制造業(yè)物聯(lián)網(wǎng)基于事件優(yōu)先級的復雜事件檢測方法研究[D];廣東工業(yè)大學;2016年

3 金海;基于深度神經(jīng)網(wǎng)絡的音頻事件檢測[D];華南理工大學;2016年

4 倪再文;無線傳感網(wǎng)中的事件檢測算法及網(wǎng)絡管理[D];大連理工大學;2016年

5 李海亮;光時域反射儀事件檢測算法和系統(tǒng)設計[D];天津大學;2014年

6 莫能斌;安全監(jiān)控領(lǐng)域音頻事件檢測研究[D];北京郵電大學;2015年

7 黃宇暉;監(jiān)控視頻事件檢測算法[D];北京郵電大學;2015年

8 李志軒;復雜場景中監(jiān)控視頻事件檢測算法[D];北京郵電大學;2014年

9 朱強華;行車噪聲環(huán)境下的快速聲學事件檢測方法研究[D];哈爾濱工業(yè)大學;2014年

10 許友亮;基于事件檢測的音素識別技術(shù)研究[D];解放軍信息工程大學;2012年

，

本文編號：1992226