本文關(guān)鍵詞：基于壓縮感知的海洋監(jiān)測傳感網(wǎng)高能效傳輸方法

  更多相關(guān)文章： 三維水下傳感器網(wǎng)絡(luò) 壓縮感知 多跳路由 能量消耗

【摘要】：海洋是維持人類社會(huì)生存進(jìn)步的重要基地。作為探索海洋世界的關(guān)鍵設(shè)備,水下傳感器網(wǎng)絡(luò)發(fā)揮著重要作用。面對(duì)三維海洋監(jiān)測傳感網(wǎng)復(fù)雜的體系結(jié)構(gòu)與惡劣的水聲信道環(huán)境,設(shè)計(jì)高能效的數(shù)據(jù)傳輸算法尤為重要,這也是水下傳感器網(wǎng)絡(luò)研究的重點(diǎn)難題。壓縮感知理論集信號(hào)獲取與數(shù)據(jù)有效壓縮于一體,其為能量有限的水下傳感器網(wǎng)絡(luò)提供了一種創(chuàng)新性的研究突破方案。壓縮感知利用待采集信號(hào)的稀疏性,通過少量的隨機(jī)投影值即可在誤差許可的范圍內(nèi)精確重構(gòu)原始信號(hào)。由于大部分自然信號(hào)具備一定時(shí)空相關(guān)性,根據(jù)該理論,匯聚節(jié)點(diǎn)可以依據(jù)一定路由準(zhǔn)則,利用所收集的遠(yuǎn)小于原始信息量的隨機(jī)觀測值重構(gòu)原始網(wǎng)絡(luò)圖譜,其應(yīng)用可顯著降低通信能耗與信道帶寬要求。本文主要研究了壓縮感知在三維海洋監(jiān)測傳感網(wǎng)中的應(yīng)用,以此設(shè)計(jì)高能效的數(shù)據(jù)傳輸算法。首先,分析了復(fù)雜的水聲信道環(huán)境。根據(jù)水聲信道的衰減模型、噪聲模型與帶寬模型等,建立了單跳傳輸能耗模型,從而為路由算法的能耗評(píng)價(jià)方式作出了定義。并以該模型為基礎(chǔ),仿真分析了壓縮感知和多跳路由的性能優(yōu)勢。其次,以延長網(wǎng)絡(luò)生存周期為目標(biāo),設(shè)計(jì)了基于分布式壓縮感知的三維多跳路由算法,并討論了三種路由方案,其路由過程均可與壓縮感知觀測矩陣的設(shè)計(jì)進(jìn)行有效結(jié)合�；趯�(shí)測數(shù)據(jù)的仿真結(jié)果表明,相比于傳統(tǒng)信息傳輸方案,以上算法在節(jié)約網(wǎng)絡(luò)能耗方面具有顯著優(yōu)勢,且均可實(shí)現(xiàn)對(duì)原始數(shù)據(jù)的有效重構(gòu)。此外,完成了算法間性能的對(duì)比分析,選取出最優(yōu)算法。最后,以壓縮感知為技術(shù)背景,將分簇協(xié)議與簇間多跳路由聯(lián)合設(shè)計(jì),提出了基于壓縮感知的分簇不均勻分層多跳路由算法CS-CULM。該算法以壓縮感知作為數(shù)據(jù)融合技術(shù),簇內(nèi)傳輸采取改進(jìn)的三維分簇協(xié)議NEW-LEACH,簇間傳輸利用所選取的最優(yōu)算法將融合數(shù)據(jù)包通過多跳方式路由至匯聚節(jié)點(diǎn)�；趯�(shí)測數(shù)據(jù)的仿真結(jié)果表明,CS-CULM算法在保證原始數(shù)據(jù)重構(gòu)精度的同時(shí)進(jìn)一步均衡了網(wǎng)絡(luò)能耗。此外,本文對(duì)三維海洋監(jiān)測傳感網(wǎng)中原始信號(hào)分段頻域稀疏的問題展開分析并提出了解決方案,對(duì)CS-CULM算法進(jìn)行了改進(jìn),達(dá)到了提高數(shù)據(jù)重構(gòu)精度的目標(biāo)。
【關(guān)鍵詞】：三維水下傳感器網(wǎng)絡(luò) 壓縮感知 多跳路由 能量消耗
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：P715;TN929.3;TP212.9
【目錄】：

• 摘要4-5
• ABSTRACT5-9
• 第1章 緒論9-16
• 1.1 課題來源與研究意義9-11
• 1.2 水聲傳感器網(wǎng)絡(luò)研究現(xiàn)狀11-12
• 1.3 課題研究現(xiàn)狀與分析12-14
• 1.4 文章主要研究內(nèi)容14-16
• 第2章 基于壓縮感知的三維水聲傳感器網(wǎng)絡(luò)模型16-31
• 2.1 壓縮感知理論基礎(chǔ)16-20
• 2.1.1 觀測矩陣設(shè)計(jì)17-18
• 2.1.2 重構(gòu)算法設(shè)計(jì)18-20
• 2.2 基于壓縮感知的系統(tǒng)模型20-23
• 2.3 水聲信道能耗模型23-27
• 2.3.1 衰減模型23-24
• 2.3.2 噪聲模型24-25
• 2.3.3 傳輸距離與帶寬模型25-26
• 2.3.4 單跳傳輸能耗模型26-27
• 2.4 分布式壓縮感知與多跳路由27-29
• 2.4.1 分布式壓縮感知能耗分析27-28
• 2.4.2 多跳路由能耗分析28-29
• 2.5 本章小結(jié)29-31
• 第3章 基于壓縮感知的三維分布式多跳路由算法31-55
• 3.1 觀測值獲取方式設(shè)計(jì)31-32
• 3.2 數(shù)據(jù)包格式與數(shù)據(jù)融合方式32-33
• 3.3 基于分布式壓縮感知的三維幾何多跳路由算法33-36
• 3.3.1 DCS-3DGM網(wǎng)絡(luò)模型33-34
• 3.3.2 DCS-3DGM算法設(shè)計(jì)34-36
• 3.4 基于分布式壓縮感知的不均勻分層多跳路由算法36-41
• 3.4.1 DCS-ULM網(wǎng)絡(luò)模型37
• 3.4.2 DCS-ULM算法設(shè)計(jì)37-40
• 3.4.3 DCS-ULM觀測矩陣設(shè)計(jì)40-41
• 3.5 基于壓縮編碼的分布式數(shù)據(jù)傳輸算法41-42
• 3.5.1 CCDT網(wǎng)絡(luò)模型41
• 3.5.2 CCDT算法設(shè)計(jì)41-42
• 3.6 仿真實(shí)現(xiàn)與性能分析42-54
• 3.7 本章小結(jié)54-55
• 第4章 基于壓縮感知的改進(jìn)式三維多跳路由算法55-78
• 4.1 基于壓縮感知的分簇不均勻分層多跳路由算法55-58
• 4.1.1 CS-CULM系統(tǒng)模型55-56
• 4.1.2 CS-CULM算法設(shè)計(jì)56-58
• 4.2 分段頻域稀疏問題描述58-59
• 4.3 重構(gòu)方式分析59-62
• 4.4 基于壓縮感知的分段傳輸算法62-64
• 4.4.1 CS-DCULM算法設(shè)計(jì)62-63
• 4.4.2 CS-DICULM算法設(shè)計(jì)63-64
• 4.4.3 觀測矩陣設(shè)計(jì)64
• 4.5 仿真實(shí)現(xiàn)與性能分析64-77
• 4.6 本章小結(jié)77-78
• 結(jié)論78-80
• 參考文獻(xiàn)80-84
• 攻讀碩士學(xué)位期間發(fā)表的論文及其它成果84-86
• 致謝86

，

本文編號(hào)：608803