無線傳感器網(wǎng)絡(luò)（Wireless Sensor Network,WSN）通常是由大量能量受限的傳感器節(jié)點(diǎn),以無線多跳路由方式通信的自組織網(wǎng)絡(luò),這些分散的節(jié)點(diǎn)能夠協(xié)作地實(shí)時(shí)監(jiān)測(cè)、感知和采集各種環(huán)境對(duì)象的信息,已被廣泛用于各個(gè)領(lǐng)域中。然而,WSN中的感知數(shù)據(jù)量十分龐大,使得各節(jié)點(diǎn)在無線傳輸過程中需要消耗大量的能量,但傳感器節(jié)點(diǎn)自身通常沒有持續(xù)的電力供應(yīng)。因此在保證數(shù)據(jù)傳輸質(zhì)量的前提下,通過減少網(wǎng)絡(luò)數(shù)據(jù)傳輸量從而降低網(wǎng)絡(luò)能耗,對(duì)于延長WSN的生命周期有重要的意義。壓縮感知（Compressed Sensing,CS）技術(shù)突破了傳統(tǒng)的奈奎斯特采樣定律對(duì)數(shù)據(jù)采樣頻率的限制,將WSN中感知數(shù)據(jù)的采集和壓縮同時(shí)進(jìn)行,從而利用少量的數(shù)據(jù)觀測(cè)值準(zhǔn)確重構(gòu)出原始感知數(shù)據(jù)。但是簡(jiǎn)單地將壓縮感知應(yīng)用到各感知節(jié)點(diǎn)上并不能高效降低網(wǎng)絡(luò)數(shù)據(jù)傳輸量,還需要依據(jù)網(wǎng)絡(luò)結(jié)構(gòu)及感知數(shù)據(jù)特點(diǎn)設(shè)計(jì)性能更加良好的數(shù)據(jù)收集方法。分簇式網(wǎng)絡(luò)結(jié)構(gòu)具有魯棒性強(qiáng)與網(wǎng)絡(luò)負(fù)載均衡等優(yōu)勢(shì),因此本文以分簇式WSN為對(duì)象,首先根據(jù)WSN感知數(shù)據(jù)的線性程度變化規(guī)律設(shè)計(jì)了一種采樣率自適應(yīng)的數(shù)據(jù)收集方法,其次為將該方法中的重構(gòu)算法進(jìn)行優(yōu)化并考慮WSN感知數(shù)據(jù)... 

【文章頁數(shù)】：67 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 無線傳感器網(wǎng)絡(luò)概述
        1.2.1 無線傳感器網(wǎng)絡(luò)的體系結(jié)構(gòu)及特點(diǎn)
        1.2.2 網(wǎng)絡(luò)數(shù)據(jù)收集路徑
    1.3 基于壓縮感知的WSN數(shù)據(jù)收集研究現(xiàn)狀
    1.4 文章內(nèi)容安排
2 壓縮感知理論概述
    2.1 壓縮感知理論的原理
    2.2 壓縮感知的數(shù)學(xué)模型
    2.3 壓縮感知技術(shù)的關(guān)鍵問題
        2.3.1 信號(hào)的稀疏表示
        2.3.2 信號(hào)的觀測(cè)
        2.3.3 信號(hào)的重構(gòu)
    2.4 本章小結(jié)
3 基于自適應(yīng)采樣率的分簇式WSN數(shù)據(jù)收集
    3.1 模型建立與網(wǎng)絡(luò)傳輸量分析
        3.1.1 模型建立與示例
        3.1.2 網(wǎng)絡(luò)數(shù)據(jù)傳輸量分析
    3.2 基于自適應(yīng)采樣率的分簇式WSN數(shù)據(jù)收集方法
        3.2.1 理論分析
        3.2.2 算法實(shí)現(xiàn)
    3.3 仿真實(shí)驗(yàn)與結(jié)果分析
    3.4 本章小結(jié)
4 基于壓縮感知的WSN數(shù)據(jù)收集中的貪婪類重構(gòu)算法
    4.1 貪婪類重構(gòu)算法的一般框架及分類
        4.1.1 貪婪類重構(gòu)算法的一般框架
        4.1.2 貪婪類重構(gòu)算法的分類
    4.2 WSN數(shù)據(jù)收集中常用的貪婪類重構(gòu)算法
        4.2.1 正交匹配追蹤算法(OMP)
        4.2.2 正則化正交匹配追蹤算法(ROMP)
        4.2.3 稀疏度自適應(yīng)匹配追蹤算法(SAMP)
        4.2.4 基于回溯的匹配追蹤算法(BAOMP)
    4.3 基于閾值的變步長稀疏度自適應(yīng)匹配追蹤算法(TVsSAMP)
        4.3.1 算法設(shè)計(jì)及流程
        4.3.2 算法仿真與分析
    4.4 本章小結(jié)
結(jié)論
致謝
參考文獻(xiàn)
攻讀學(xué)位期間的研究成果


【參考文獻(xiàn)】：
期刊論文
[1]能量有效的無線傳感器網(wǎng)絡(luò)分簇路由協(xié)議[J]. 劉偉,杜佳鴻,賈素玲,蒲菊華.  北京航空航天大學(xué)學(xué)報(bào). 2019(01)
[2]面向環(huán)境監(jiān)測(cè)的WSN節(jié)點(diǎn)定位技術(shù)研究[J]. 楊佩茹,薛善良.  計(jì)算機(jī)科學(xué). 2018(03)
[3]基于壓縮感知的無線傳感器網(wǎng)絡(luò)數(shù)據(jù)收集研究綜述[J]. 喬建華,張雪英.  計(jì)算機(jī)應(yīng)用. 2017(11)
[4]基于無線傳感器網(wǎng)絡(luò)的鏈?zhǔn)铰酚筛倪M(jìn)算法[J]. 劉文靜,劉文菊,王賾.  計(jì)算機(jī)工程. 2017(09)
[5]基于StOMP算法的WSN壓縮感知數(shù)據(jù)重構(gòu)[J]. 黃志清,張嚴(yán)心,李夢(mèng)佳,成志鵬.  計(jì)算機(jī)工程. 2017(09)
[6]基于壓縮感知的無線傳感器網(wǎng)絡(luò)動(dòng)態(tài)采樣方法[J]. 宋洋,黃志清,張嚴(yán)心,李夢(mèng)佳.  計(jì)算機(jī)應(yīng)用. 2017(01)
[7]基于CS的無線傳感器網(wǎng)絡(luò)動(dòng)態(tài)分簇?cái)?shù)據(jù)收集算法[J]. 張策,張霞,李鷗,王沖,張大龍.  計(jì)算機(jī)研究與發(fā)展. 2016(09)
[8]面向配電網(wǎng)故障檢測(cè)的WSN可信路由算法[J]. 劉耀先,孫毅,韋磊,段泉圣.  傳感技術(shù)學(xué)報(bào). 2015(08)
[9]一種基于壓縮感知的無線傳感信號(hào)重構(gòu)算法[J]. 陳善雄,何中市,熊海靈,廖劍偉.  計(jì)算機(jī)學(xué)報(bào). 2015(03)
[10]壓縮感知中確定性測(cè)量矩陣構(gòu)造算法綜述[J]. 王強(qiáng),李佳,沈毅.  電子學(xué)報(bào). 2013(10)

碩士論文
[1]無線傳感器網(wǎng)絡(luò)中基于壓縮感知理論的數(shù)據(jù)收集研究[D]. 王欣.北京交通大學(xué) 2017
[2]壓縮感知中的貪婪類重構(gòu)算法研究[D]. 張有侖.北京理工大學(xué) 2016



本文編號(hào)：3691996