【摘要】：在無線體域網(wǎng)(Wireless Body Area Network,WBAN)中傳感器被戴在身上或植入皮膚,可以收集一些人體的生理參數(shù)。WBAN中信號(hào)的類型是不同的,如:心電圖(Electrocardiogram,ECG),腦電波(Electroencephalogram,EEG),而且信號(hào)的尺寸也是不同的,從而要求傳感器具有靈活性。WBAN中每個(gè)傳感器使用電池供電,而電池電量是有限的。對(duì)于那些被植入皮膚的傳感器,電池的替換和充電都不容易。因此,WBAN中能量的消耗是一個(gè)重要的問題。在無線網(wǎng)絡(luò)傳輸中,病人的健康數(shù)據(jù)是敏感信息,由于網(wǎng)絡(luò)鏈路的開放性,這些數(shù)據(jù)很容易被對(duì)手竊聽,因而,提高安全性是非常重要的。壓縮感知可以應(yīng)用到無線體域網(wǎng)中測(cè)量信號(hào)。傳統(tǒng)壓縮感知使用矩陣乘法要求測(cè)量矩陣的列數(shù)要等于信號(hào)的行數(shù)�？紤]到信號(hào)的多樣性,壓縮感知需要設(shè)計(jì)和存儲(chǔ)大量不同尺寸的測(cè)量矩陣。因此,本文提出半張量壓縮感知新模型并將所提模型應(yīng)用到無線體域網(wǎng)中。因?yàn)榘霃埩繅嚎s感知克服了矩陣乘法的維數(shù)限制,所以它能使用相同的測(cè)量矩陣測(cè)量不同尺寸的信號(hào)。本論文主要的研究成果與創(chuàng)新點(diǎn)如下:(1)提出半張量壓縮感知新模型,該模型由測(cè)量矩陣和輔助矩陣構(gòu)成。對(duì)信號(hào)恢復(fù)性能進(jìn)行評(píng)估,分析了測(cè)量矩陣和輔助矩陣對(duì)信號(hào)重構(gòu)誤差的影響,以及參數(shù)和信號(hào)長(zhǎng)度對(duì)重構(gòu)誤差的影響。更進(jìn)一步地,分析了稀疏度、信號(hào)觀測(cè)值及迭代次數(shù)對(duì)信號(hào)重構(gòu)成功率的影響,分析了模型的存儲(chǔ)空間和適應(yīng)性方面的優(yōu)勢(shì),證明了所提模型的可行性和高效性。(2)提出基于半張量壓縮感知新模型的無線體域網(wǎng)信號(hào)傳輸方案。提出的方案包括以下技術(shù)手段,即半張量壓縮感知、哈希函數(shù)、Arnold置亂和混沌置亂。半張量壓縮感知克服了矩陣乘法的維數(shù)限制�；煦缦到y(tǒng)用于生成半張量測(cè)量矩陣,減少傳輸參數(shù)。Arnold置亂和混沌置亂進(jìn)一步加強(qiáng)了系統(tǒng)的安全性。分析了所提方案在不同明文圖像、稀疏基和測(cè)量矩陣下的重構(gòu)效果,證明了密文圖像的相鄰像素的相關(guān)性、灰度直方圖、信息熵等具有良好性能,并與相關(guān)算法進(jìn)行了對(duì)比。
【圖文】：

逡逑之間的關(guān)系。隨著Ｗ的改變，ｘ（／７）的分布被劃分為周期區(qū)（即圖３－２中的紅色部逡逑分）和混沌區(qū)（即圖３－２中的彩色部分）。當(dāng)ｗ的值處于［０，３．５７）時(shí)，在迭代的過逡逑程中ｘ（？）將會(huì)收斂為穩(wěn)定的周期序列。否則，序列就不會(huì)收斂，從而出現(xiàn)混沌狀逡逑態(tài)。逡逑？：：逡逑：；：：逡逑０１邋％逡逑０Ｉ——，邐邐邐邐邐■邐邐邐■邐－Ｓ逡逑２．８邐３邋３Ｊ邋３．４邐３．６邐３．８邐４逡逑ｕ逡逑圖３－２邋Ｌｏｇｉｓｔｉｃ分岔圖問逡逑Ｌｏｇｉｓｔｉｃ系統(tǒng)的初始值是０．２，參數(shù)是４。對(duì)Ｌｏｇｉｓｔｉｃ序列進(jìn)行采樣。初始采逡逑樣位置是任意的，，為了方便，我們?cè)O(shè)置為１。為了減�。蹋铮纾椋螅簦椋阈蛄械南嚓P(guān)性，逡逑根據(jù)經(jīng)驗(yàn)將采樣間隔設(shè)置為４。因此，序列ｓ可以被獲得。根據(jù)變換ｆ邋＝邐２心可逡逑以得到序列；。序列？通過列優(yōu)先重排得到測(cè)量矩陣，可以被表示為如下的0１：逡逑＾０邐邐邋Ｃ（Ｂ－ｌ）逡逑（３－１１）逡逑Ｖ邋ｍ邐：邐：邐：邐：逡逑Ｊｍ－ｌ邐’２／？－丨邐…邐’ｍ／ｉ－ｌ邐＿逡逑其中

逡逑序列通過列優(yōu)先重排得到輔助矩陣。如圖３－３所示，該圖為Ｔｅｎｔ混沌系統(tǒng)的逡逑采樣示意圖。逡逑疆邋Ｉ邋‘督羅

本文編號(hào)：2664996