本文選題：無線傳感器網(wǎng)絡(luò) + 數(shù)據(jù)收集��； 參考：《數(shù)據(jù)采集與處理》2017年05期

【摘要】：許多科學(xué)研究都需要對(duì)環(huán)境數(shù)據(jù)進(jìn)行分析,這些環(huán)境數(shù)據(jù)通常是通過部署在研究區(qū)域內(nèi)的無線傳感器網(wǎng)絡(luò)(Wireless sensor networks,WSNs)來收集的。收集數(shù)據(jù)的完整性和準(zhǔn)確性決定了科研結(jié)果的可靠性。然而,在數(shù)據(jù)收集過程中普遍存在的數(shù)據(jù)丟失和錯(cuò)誤影響了收集數(shù)據(jù)的可用性,為此需要利用收集到的數(shù)據(jù)重建完整的環(huán)境數(shù)據(jù)�；诃h(huán)境數(shù)據(jù)低秩特性,將數(shù)據(jù)重建問題建模為L2,1范數(shù)正則化矩陣補(bǔ)全模型,提出一種基于結(jié)構(gòu)化噪聲矩陣補(bǔ)全的WSNs收集數(shù)據(jù)重建方法(Data reconstruction approach via matrix completion with structural noise,DRMCSN)。真實(shí)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明,該方法性能優(yōu)于現(xiàn)有算法,不僅能以較高的精度恢復(fù)缺失的環(huán)境數(shù)據(jù),而且能辨識(shí)出收集到錯(cuò)誤數(shù)據(jù)的傳感器節(jié)點(diǎn)。
[Abstract]:Many scientific studies require the analysis of environmental data, which is usually collected through Wireless sensor Networks (WSNs) deployed in the study area.The completeness and accuracy of collecting data determine the reliability of scientific research results.However, the data loss and error in the process of data collection affect the availability of data collection, so we need to use the collected data to reconstruct the complete environment data.Based on the low rank characteristic of environment data, the data reconstruction problem is modeled as L2G norm regularization matrix complement model, and a WSNs data collection method based on structured noise matrix complement is proposed. The data reconstruction approach via matrix completion with structural noiseDRCSNs are presented.The experimental results on real data sets show that the proposed method is superior to the existing algorithms and can not only recover the missing environmental data with high accuracy, but also identify the sensor nodes that collect the wrong data.
【作者單位】： 金陵科技學(xué)院電子信息工程學(xué)院;江蘇省無線傳感網(wǎng)高技術(shù)研究重點(diǎn)實(shí)驗(yàn)室;南京郵電大學(xué)計(jì)算機(jī)學(xué)院;
【基金】：江蘇省自然科學(xué)基金(BK20130096,BK20161516,BK20161104)資助項(xiàng)目 國家自然科學(xué)基金(61300240,61572263)資助項(xiàng)目 江蘇省高校自然科學(xué)基金(15KJB520027)資助項(xiàng)目 中國博士后科學(xué)基金(2015M581794)資助項(xiàng)目 江蘇省博士后科研資助計(jì)劃(1501023C)資助項(xiàng)目 安徽省自然科學(xué)基金(1608085MF127)資助項(xiàng)目 金陵科技學(xué)院高層次人才工作啟動(dòng)(JIT-201527)資助項(xiàng)目
【分類號(hào)】：TN929.5;TP212.9

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王軍鋒,毛引芳;由空間頻域上的非均勻采樣數(shù)據(jù)重建圖象的方法研究[J];電子科學(xué)學(xué)刊;1997年04期

2 鞏思亮;邢濤;梁慶偉;王營冠;;基于橢圓曲線密碼系統(tǒng)的分簇WSNs節(jié)點(diǎn)身份認(rèn)證機(jī)制[J];傳感器與微系統(tǒng);2012年12期

3 張溢斐;李小龍;;異構(gòu)WSNs通信系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J];科技視界;2014年02期

4 李紫川;沈士根;曹奇英;;基于反思機(jī)制的WSNs節(jié)點(diǎn)信任演化模型[J];計(jì)算機(jī)應(yīng)用研究;2014年05期

5 馬禮;馬海龍;馬東超;;基于WSNs節(jié)點(diǎn)權(quán)重的網(wǎng)關(guān)接入異構(gòu)網(wǎng)絡(luò)研究[J];傳感器與微系統(tǒng);2014年04期

6 周東明;傅明;何誠;;一種改進(jìn)ACO的WSNs能量高效路由算法[J];計(jì)算機(jī)工程與應(yīng)用;2010年10期

7 許江濤;;求解WSNs覆蓋優(yōu)化的改進(jìn)螢火蟲優(yōu)化算法[J];電子測(cè)量技術(shù);2013年03期

8 岳有軍;李強(qiáng);趙輝;王紅君;;基于非線性電池模型的WSNs節(jié)能技術(shù)研究[J];傳感器與微系統(tǒng);2013年11期

9 蔣文賢;蔡惠娟;;WSNs節(jié)點(diǎn)隨機(jī)參數(shù)優(yōu)化配置與性能分析[J];華僑大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年04期

10 馮林方;胥布工;劉永桂;;WSNs下一種自適應(yīng)多傳感器協(xié)同目標(biāo)跟蹤策略[J];計(jì)算機(jī)應(yīng)用研究;2010年11期

相關(guān)會(huì)議論文 前1條

1 夏娜;馮如吉;;WSNs中基于SA的數(shù)據(jù)包長優(yōu)化算法[A];2011中國儀器儀表與測(cè)控技術(shù)大會(huì)論文集[C];2011年

相關(guān)碩士學(xué)位論文 前10條

1 蕭牧天;IM協(xié)議分析和數(shù)據(jù)重建技術(shù)的研究與應(yīng)用[D];北京郵電大學(xué);2011年

2 崔岳陽;基于中介點(diǎn)分簇的WSNs路由算法研究[D];哈爾濱工程大學(xué);2012年

3 李紫川;基于演化博弈的WSNs節(jié)點(diǎn)信任機(jī)制的研究與仿真[D];東華大學(xué);2014年

4 馮如吉;WSNs中數(shù)據(jù)包長優(yōu)化算法研究[D];合肥工業(yè)大學(xué);2012年

5 朱瑞金;基于細(xì)菌覓食算法的草地WSNs覆蓋策略[D];甘肅農(nóng)業(yè)大學(xué);2014年

6 崔翔;基于卷積壓縮感知的確定性測(cè)量矩陣研究[D];北京化工大學(xué);2015年

7 王浩;帶噪聲抑制的流量矩陣估計(jì)方法研究[D];電子科技大學(xué);2015年

8 魏從靜;壓縮感知中測(cè)量矩陣的構(gòu)造與優(yōu)化研究[D];南京郵電大學(xué);2016年

9 孫駿;壓縮感知中結(jié)構(gòu)化測(cè)量矩陣與編碼算法的研究[D];天津大學(xué);2014年

10 李銳;基于矩陣填充的陣列信號(hào)降采樣DOA估計(jì)方法研究[D];西安電子科技大學(xué);2015年

，

本文編號(hào)：1764371