本文關(guān)鍵詞：基于壓縮感知的傳感器網(wǎng)絡(luò)數(shù)據(jù)采集技術(shù)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：無線傳感器網(wǎng)絡(luò)是一種新型的集數(shù)據(jù)采集、傳輸和處理于一身的網(wǎng)絡(luò),通過大量微型、智能化、低成本的感知節(jié)點,完成自動化的、大范圍的信息采集任務(wù)。數(shù)據(jù)采集是無線傳感器網(wǎng)絡(luò)一切應(yīng)用的基礎(chǔ),包括感知節(jié)點本地采樣,無線信道上傳數(shù)據(jù)以及融合中心重構(gòu)信息三個階段。鑒于無線傳感器網(wǎng)絡(luò)節(jié)點能量有限,計算存儲能力較弱,網(wǎng)絡(luò)中數(shù)據(jù)量大且冗余度高等缺點,本文引入壓縮感知技術(shù)來實現(xiàn)低能耗、高精度、低延時的數(shù)據(jù)采集。壓縮感知技術(shù)利用節(jié)點內(nèi)和節(jié)點間的數(shù)據(jù)相關(guān)性對原始數(shù)據(jù)低維度壓縮,并在融合中心高概率重構(gòu),在保留原始數(shù)據(jù)有效信息的同時降低了網(wǎng)絡(luò)數(shù)據(jù)量和通信能耗,延長網(wǎng)絡(luò)壽命。然而,壓縮感知的引入帶來了新的問題,主要包括尋找信號的稀疏表示,構(gòu)建合適的觀測矩陣,選擇高精度低延時的重構(gòu)算法三個問題,需要在本地采樣、數(shù)據(jù)上傳、信息重構(gòu)的過程中得到解決。為此,本文以無線傳感器網(wǎng)絡(luò)中的壓縮感知為對象,以改善數(shù)據(jù)采集性能和延長網(wǎng)絡(luò)生命周期為目標,提出了相應(yīng)的研究方案。本文主要工作如下:1.針對節(jié)點內(nèi)觀測信號具有較強時間相關(guān)性的網(wǎng)絡(luò),提出了一種基于卡爾曼預(yù)測的自適應(yīng)壓縮感知算法。由于節(jié)點內(nèi)的信號時間相關(guān)性較強,觀測節(jié)點可以采用卡爾曼濾波預(yù)測當(dāng)前采樣值,根據(jù)預(yù)測結(jié)果與實際采樣的差值決定是否發(fā)送數(shù)據(jù),通過減少發(fā)送節(jié)點數(shù)來構(gòu)建空間稀疏性,同時降低觀測節(jié)點的能量損耗。利用觀測節(jié)點和中繼節(jié)點間的高斯信道作為觀測矩陣,中繼節(jié)點接收的混合數(shù)據(jù)即為對稀疏發(fā)送數(shù)據(jù)的壓縮觀測值。另外,在融合中心采用自適應(yīng)選擇中繼數(shù)量的序貫重構(gòu)算法,逐步接收中繼節(jié)點的數(shù)據(jù)嘗試重構(gòu),重構(gòu)成功即停止接收數(shù)據(jù),降低中繼節(jié)點的傳輸能耗。仿真結(jié)果表明,和其他基于預(yù)測的壓縮感知算法相比,本算法觀測節(jié)點的計算復(fù)雜度和中繼節(jié)點的傳輸能耗大大降低而不會帶來誤差的增加。2.針對節(jié)點間觀測信號具有較強空間相關(guān)性的網(wǎng)絡(luò),提出了一種基于不等概隨機投影的壓縮感知算法。由于節(jié)點間的信號空間相關(guān)性較強,同一時刻所有節(jié)點的信號在小波基或空間傅里葉基上具有稀疏性,可以采用隨機選取節(jié)點的方法構(gòu)建稀疏觀測矩陣來降低觀測節(jié)點的能量損耗。不等概隨機投影要求觀測節(jié)點根據(jù)本地采樣信號的強度選擇發(fā)送概率,并通過能量均衡算法進行調(diào)節(jié),在其上傳時隙到來時依調(diào)節(jié)后的概率發(fā)送數(shù)據(jù)至融合中心,融合中心依靠所接收的數(shù)據(jù)完成重構(gòu)。仿真結(jié)果表明:和等概隨機投影相比,本文提出的算法在不增加額外能量損耗的前提下,降低了整個區(qū)域,尤其是重點區(qū)域的重構(gòu)誤差。同時,能量均衡算法的引入可以避免部分節(jié)點長時間高概率發(fā)送數(shù)據(jù),從而延長網(wǎng)絡(luò)壽命。3.針對觀測信號符合第一類聯(lián)合稀疏模型的網(wǎng)絡(luò),提出了一種基于分布式聯(lián)合重構(gòu)的壓縮感知算法。很多時候融合中心不需要獲取全部的數(shù)據(jù),只需要得到節(jié)點數(shù)據(jù)的線性融合結(jié)果。由于觀測信號符合第一類聯(lián)合稀疏模型,采用分布式重構(gòu)算法可以減少重構(gòu)所需的壓縮觀測值。為了降低重構(gòu)復(fù)雜度,觀測節(jié)點在本地用相同的觀測矩陣對原始數(shù)據(jù)壓縮,融合中心把融合與重構(gòu)結(jié)合起來,通過分組、組內(nèi)線性融合、聯(lián)合重構(gòu)、重構(gòu)結(jié)果再相加四個步驟,只需要進行一次聯(lián)合重構(gòu)即可得到原始數(shù)據(jù)的線性融合結(jié)果。仿真結(jié)果表明:所提算法可以在不需要增加壓縮觀測維度的情況下降低融合中心的重構(gòu)復(fù)雜度,大幅減少重構(gòu)時延。
【關(guān)鍵詞】：無線傳感網(wǎng) 數(shù)據(jù)采集 壓縮感知 卡爾曼預(yù)測 自適應(yīng)中繼選擇 能量均衡 稀疏觀測矩陣 不等概隨機投影 聯(lián)合稀疏模型 分布式聯(lián)合重構(gòu)
【學(xué)位授予單位】：解放軍信息工程大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TN929.5;TP212.9
【目錄】：

• 摘要4-6
• Absrtact6-12
• 第一章 緒論12-24
• 1.1 研究背景12-20
• 1.1.1 無線傳感器網(wǎng)絡(luò)12-16
• 1.1.2 壓縮感知技術(shù)16-20
• 1.2 論文主要工作20-22
• 1.3 論文組織結(jié)構(gòu)22-24
• 第二章 基于卡爾曼預(yù)測的自適應(yīng)壓縮感知24-36
• 2.1 引言24-25
• 2.2 系統(tǒng)模型和算法描述25-29
• 2.2.1 系統(tǒng)模型25-26
• 2.2.2 算法描述26-29
• 2.3 性能分析與仿真29-34
• 2.3.1 重構(gòu)數(shù)據(jù)的均方誤差分析29-30
• 2.3.2 觀測節(jié)點的計算復(fù)雜度分析30-31
• 2.3.3 中繼節(jié)點的參與數(shù)量分析31-32
• 2.3.4 仿真結(jié)果與討論32-34
• 2.4 小結(jié)34-36
• 第三章 基于不等概隨機投影的壓縮感知36-48
• 3.1 引言36-37
• 3.2 系統(tǒng)模型和算法描述37-40
• 3.2.1 系統(tǒng)模型37-38
• 3.2.2 算法描述38-40
• 3.3 性能分析與仿真40-46
• 3.3.1 節(jié)點通信能耗分析40-41
• 3.3.2 重構(gòu)數(shù)據(jù)的誤差分析41-42
• 3.3.3 仿真結(jié)果與討論42-46
• 3.4 小結(jié)46-48
• 第四章基于分布式聯(lián)合重構(gòu)的壓縮感知48-62
• 4.1 引言48-49
• 4.2 系統(tǒng)模型和算法描述49-55
• 4.2.1 聯(lián)合稀疏模型49-50
• 4.2.2 系統(tǒng)模型50-51
• 4.2.3 算法描述51-55
• 4.3 性能分析與仿真55-60
• 4.3.1 節(jié)點通信能耗分析55-56
• 4.3.2 系統(tǒng)計算復(fù)雜度分析56-57
• 4.3.3 仿真結(jié)果與討論57-60
• 4.4 小結(jié)60-62
• 第五章 結(jié)束語62-66
• 5.1 主要工作總結(jié)62-63
• 5.2 后續(xù)研究計劃63-66
• 致謝66-68
• 參考文獻68-74
• 作者簡歷74

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前6條

1 楊揚;劉哲;呂方園;;一種迭代加權(quán)l(xiāng)_1范數(shù)的信號優(yōu)化恢復(fù)方法[J];計算機工程與應(yīng)用;2010年03期

2 任彥;張思東;張宏科;;無線傳感器網(wǎng)絡(luò)中覆蓋控制理論與算法[J];軟件學(xué)報;2006年03期

3 張春梅;尹忠科;肖明霞;;基于冗余字典的信號超完備表示與稀疏分解[J];科學(xué)通報;2006年06期

4 劉敏鈺,吳泳,伍衛(wèi)國;無線傳感網(wǎng)絡(luò)(WSN)研究[J];微電子學(xué)與計算機;2005年07期

5 王福豹,史龍,任豐原;無線傳感器網(wǎng)絡(luò)中的自身定位系統(tǒng)和算法[J];軟件學(xué)報;2005年05期

6 任豐原,黃海寧,林闖;無線傳感器網(wǎng)絡(luò)[J];軟件學(xué)報;2003年07期

  本文關(guān)鍵詞：基于壓縮感知的傳感器網(wǎng)絡(luò)數(shù)據(jù)采集技術(shù)研究，，由筆耕文化傳播整理發(fā)布。

本文編號：391348