WSN(Wireless Sensor NetworK,無線傳感器網(wǎng)絡(luò))作為物聯(lián)網(wǎng)、大數(shù)據(jù)的重要組成之一,已廣泛應(yīng)用于環(huán)境監(jiān)控、智能交通等各大領(lǐng)域。為了全面感知物理信息,傳感器節(jié)點通常被重疊部署在監(jiān)測區(qū)域內(nèi)并重復(fù)進行數(shù)據(jù)采集,導(dǎo)致網(wǎng)絡(luò)獲取的數(shù)據(jù)量巨大,并存在冗余的問題。WSN節(jié)點需消耗與數(shù)據(jù)量成正比的能量來維持數(shù)據(jù)的收發(fā)及處理,然而傳感器節(jié)點大多由電池供電,電池不易更換,此外傳感器節(jié)點數(shù)據(jù)處理能力有限,嚴重阻礙了其部署規(guī)模和使用穩(wěn)定程度。通過將CS(Compressed Sensing,壓縮感知)應(yīng)用到WSN數(shù)據(jù)收集中,可實現(xiàn)數(shù)據(jù)壓縮與收集同時進行,有效減少節(jié)點所需傳輸?shù)臄?shù)據(jù)量,達到降低網(wǎng)絡(luò)能耗,提高系統(tǒng)穩(wěn)定性的目的。本文主要進行以下分析研究工作:(1)CS應(yīng)用于WSN數(shù)據(jù)收集的應(yīng)用分析與理論研究。結(jié)合無線傳感器網(wǎng)絡(luò)數(shù)據(jù)收集面臨的問題,研究在路由過程中結(jié)合CS算法進行數(shù)據(jù)收集對節(jié)點數(shù)據(jù)傳輸量的影響。同時通過實驗研究CS中常見的幾種稀疏基與觀測矩陣,并分析測量數(shù)據(jù)量和壓縮比對數(shù)據(jù)重建效果的影響。(2)結(jié)合LEACH(Low Energy Adaptive Clustering Hiera...

【文章頁數(shù)】：74 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 壓縮感知理論
        1.2.2 CS在 WSN數(shù)據(jù)收集中的應(yīng)用
    1.3 論文研究內(nèi)容
    1.4 論文結(jié)構(gòu)安排
第二章 基于CS的 WSN數(shù)據(jù)收集應(yīng)用分析
    2.1 無線傳感器網(wǎng)絡(luò)相關(guān)理論研究
        2.1.1 無線傳感器網(wǎng)絡(luò)技術(shù)分析
        2.1.2 路由協(xié)議分析
    2.2 問題描述及解決方案分析
        2.2.1 問題描述
        2.2.2 壓縮感知應(yīng)用于WSN的優(yōu)勢分析
    2.3 本章小結(jié)
第三章 基于CS的 WSN數(shù)據(jù)收集技術(shù)理論研究
    3.1 LEACH分簇路由算法
    3.2 壓縮感知理論研究與分析
        3.2.1 信號稀疏化
        3.2.2 觀測矩陣
        3.2.3 重構(gòu)算法
        3.2.4 壓縮感知算法分析及實驗驗證
    3.3 本章小結(jié)
第四章 基于CS的 WSN數(shù)據(jù)壓縮收集方案設(shè)計與仿真
    4.1 壓縮數(shù)據(jù)收集關(guān)鍵問題分析
    4.2 基于剩余能量與距離反饋的動態(tài)路由算法LEACH-I
        4.2.1 LEACH路由算法優(yōu)缺點分析
        4.2.2 LEACH網(wǎng)絡(luò)與能耗模型
        4.2.3 已有的LEACH改進方案
        4.2.4 LEACH-I路由算法設(shè)計
    4.3 CS融合于LEACH-I路由流程設(shè)計
        4.3.1 核心理論分析
        4.3.2 數(shù)據(jù)收集流程設(shè)計
        4.3.3 基于隨機稀疏投影的觀測矩陣
    4.4 方案優(yōu)勢分析
    4.5 仿真實驗和結(jié)果分析
        4.5.1 實驗數(shù)據(jù)來源
        4.5.2 仿真參數(shù)設(shè)置
        4.5.3 實驗結(jié)果分析
    4.6 本章小結(jié)
第五章 稀疏度自適應(yīng)重構(gòu)算法設(shè)計與驗證
    5.1 最小7)0范數(shù)的信號重構(gòu)算法
        5.1.1 壓縮采樣匹配追蹤(CoSaMP)算法
        5.1.2 稀疏自適應(yīng)匹配追蹤(SAMP)算法
    5.2 ISAMP算法描述
        5.2.1 支撐集回溯優(yōu)化與原子的選擇
        5.2.2 稀疏性自適應(yīng)分析
    5.3 ISAMP算法實現(xiàn)步驟
    5.4 實驗驗證及分析
    5.5 本章小結(jié)
總結(jié)與展望
    總結(jié)
    展望
參考文獻
攻讀學位期間取得的研究成果
致謝



本文編號：3837101