本文關(guān)鍵詞：基于壓縮感知的無(wú)線傳感器網(wǎng)絡(luò)數(shù)據(jù)壓縮研究

  更多相關(guān)文章： 無(wú)線傳感器網(wǎng)絡(luò) 壓縮感知 感知矩陣 分布式壓縮感知

【摘要】：無(wú)線傳感器網(wǎng)絡(luò)(Wireless Sensor Networks,WSN)源于對(duì)外界信息的需求,得益于嵌入式技術(shù)的發(fā)展。由于WSN中節(jié)點(diǎn)的電源一般不可更換,所以能耗成為制約WSN網(wǎng)絡(luò)壽命的關(guān)鍵因素,同時(shí)也是WSN中一項(xiàng)重要的研究?jī)?nèi)容。而壓縮感知(Compressed Sensing,CS)技術(shù)是有效解決上述問(wèn)題的方法之一。CS是在2004年由陶哲軒等人提出的一種新的信號(hào)采樣理論,與傳統(tǒng)奈奎斯特采樣定律相比,CS最大不同之處在于采樣速率取決于信號(hào)本身的結(jié)構(gòu)而不是信號(hào)的帶寬,所以CS可以在低于傳統(tǒng)的奈奎斯特采樣速率的條件下,有效恢復(fù)采樣信號(hào)。并且近年來(lái),將CS應(yīng)用于WSN已成為一大熱點(diǎn)。CS通過(guò)線性運(yùn)算大大減少發(fā)送信息的量,以此降低節(jié)點(diǎn)在發(fā)送和接受信息時(shí)所消耗的能耗,從而達(dá)到節(jié)能的效果。但是,運(yùn)用CS只是節(jié)能的手段,并不是最終目的,獲取監(jiān)測(cè)區(qū)域的信息才是關(guān)鍵。所以如果將CS運(yùn)用到WSN中,所面臨的核心問(wèn)題是:一是如何將發(fā)送信息盡可能的壓縮,以減少節(jié)點(diǎn)發(fā)送與接收信息時(shí)所消耗的能量;二是如何將壓縮之后的信息最大限度的恢復(fù),以獲取外界信息。針對(duì)上述問(wèn)題,本文主要研究了感知矩陣的設(shè)計(jì)以及分布式壓縮感知的改進(jìn)。在設(shè)計(jì)感知矩陣方面的主要工作為:利用球形幾何的相關(guān)特性設(shè)計(jì)感知矩陣,并證明該種矩陣滿足限制等距特性(Restricted Isometry Property,RIP)。在改進(jìn)分布式壓縮感知主要工作為:一是將權(quán)重的方法運(yùn)用到分布式壓縮感知中獲取多個(gè)信號(hào)的共同部分;二是提出了一種有損編碼的方法用于縮短信號(hào)共同部分的長(zhǎng)度;三是改進(jìn)了分布式壓縮感知的公式。仿真實(shí)驗(yàn)表明上述兩種方法,不僅可以減少采樣信號(hào)的數(shù)量,而且可以有效減少原始信號(hào)與恢復(fù)信號(hào)的差值。
【關(guān)鍵詞】：無(wú)線傳感器網(wǎng)絡(luò) 壓縮感知 感知矩陣 分布式壓縮感知
【學(xué)位授予單位】：云南民族大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TN929.5;TP212.9
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-13
• 1.1 選題背景9-10
• 1.2 壓縮感知研究進(jìn)展10-11
• 1.3 論文主要研究?jī)?nèi)容以及組織結(jié)構(gòu)11-13
• 第2章 無(wú)線傳感器網(wǎng)絡(luò)概述13-18
• 2.1 無(wú)線傳感器網(wǎng)絡(luò)的起源以及發(fā)展13-14
• 2.2 無(wú)線傳感器網(wǎng)絡(luò)的特點(diǎn)14-15
• 2.3 無(wú)線傳感器網(wǎng)絡(luò)的關(guān)鍵技術(shù)15-18
• 第3章 壓縮感知理論簡(jiǎn)介18-33
• 3.1 壓縮感知概述18-19
• 3.2 信號(hào)的稀疏化19-22
• 3.2.1 信號(hào)稀疏的標(biāo)準(zhǔn)19-20
• 3.2.2 信號(hào)稀疏的方法20-22
• 3.3 感知矩陣22-25
• 3.3.1 感知矩陣滿足的條件22
• 3.3.2 常用的感知矩陣22-25
• 3.4 信號(hào)重構(gòu)25-26
• 3.4.1 信號(hào)重構(gòu)的數(shù)學(xué)模型25-26
• 3.4.2 信號(hào)重構(gòu)的算法26
• 3.5 仿真實(shí)驗(yàn)26-33
• 3.5.1 CS從稀疏到重構(gòu)的仿真26-27
• 3.5.2 感知矩陣與稀疏度的關(guān)系27-31
• 3.5.3 不同重構(gòu)算法的性能對(duì)比試驗(yàn)31-33
• 第4章 利用球形幾何構(gòu)造確定性感知矩陣33-40
• 4.1 引言33
• 4.2 Packing Designs與Steiner System33-34
• 4.3 構(gòu)造確定性感知矩陣34-38
• 4.3.1 從球形幾何構(gòu)造感知矩陣34-36
• 4.3.2 優(yōu)化感知矩陣36-38
• 4.4 實(shí)驗(yàn)仿真38-39
• 4.5 總結(jié)39-40
• 第5章 改進(jìn)的分布式壓縮感知40-49
• 5.1 分布式壓縮感知簡(jiǎn)介40-43
• 5.2 改進(jìn)的分布式壓縮感知43-46
• 5.2.1 建立WSN數(shù)據(jù)數(shù)學(xué)模型43-44
• 5.2.2 權(quán)重系數(shù)44-45
• 5.2.3 采用有損編碼的方法減少cz的長(zhǎng)度。45-46
• 5.2.4 改進(jìn)壓縮感知公式46
• 5.3 仿真實(shí)驗(yàn)46-48
• 5.3.1 數(shù)據(jù)預(yù)處理46
• 5.3.2 仿真實(shí)驗(yàn)以及分析46-48
• 5.4 結(jié)論48-49
• 第6章 總結(jié)與展望49-50
• 6.1 工作總結(jié)49
• 6.2 未來(lái)工作展望49-50
• 參考文獻(xiàn)50-53
• 附錄A 實(shí)驗(yàn)數(shù)據(jù)53-65
• 附錄B 節(jié)點(diǎn)分布圖65-66
• 在學(xué)期間發(fā)表的學(xué)術(shù)成果及獲獎(jiǎng)情況66-68
• 致謝68

，

本文編號(hào)：953917