無(wú)線傳感器網(wǎng)絡(luò)通過(guò)有限節(jié)點(diǎn)對(duì)監(jiān)測(cè)區(qū)域進(jìn)行采樣時(shí),通常無(wú)法完整地獲取區(qū)域內(nèi)信息,針對(duì)該問(wèn)題提出一種網(wǎng)格化數(shù)據(jù)重構(gòu)算法,利用壓縮感知技術(shù)對(duì)區(qū)域內(nèi)信息進(jìn)行完整恢復(fù)。完成了對(duì)重構(gòu)算法的改進(jìn),設(shè)計(jì)了基于經(jīng)驗(yàn)?zāi)B(tài)分解的測(cè)量矩陣,有效提高了重構(gòu)精度并降低了運(yùn)行時(shí)間。本文主要對(duì)壓縮感知理論中的信號(hào)重構(gòu)算法以及測(cè)量矩陣設(shè)計(jì)兩個(gè)方面的問(wèn)題進(jìn)行了深入的研究,主要工作包括:(1)針對(duì)稀疏度自適應(yīng)匹配追蹤(SAMP)算法迭代過(guò)程中由于選擇步長(zhǎng)固定而導(dǎo)致的信號(hào)欠估計(jì)或過(guò)估計(jì)問(wèn)題,提出了一種基于門(mén)限的稀疏度自適應(yīng)匹配追蹤(TSAMP)算法,將閾值思想引入原子選擇之中,并且在步長(zhǎng)改變的基礎(chǔ)上提出了變步長(zhǎng)策略,根據(jù)不同的條件以不同的步長(zhǎng)估計(jì)稀疏度來(lái)重構(gòu)信號(hào)。(2)針對(duì)傳統(tǒng)隨機(jī)測(cè)量矩陣自由元素過(guò)多、實(shí)現(xiàn)難度大的問(wèn)題,設(shè)計(jì)了基于經(jīng)驗(yàn)?zāi)B(tài)分解的測(cè)量矩陣,利用信號(hào)本身的特征,通過(guò)經(jīng)驗(yàn)?zāi)B(tài)分解得到矩陣分量,借鑒循環(huán)矩陣的循環(huán)位移方法構(gòu)造出合適的測(cè)量矩陣,并通過(guò)仿真驗(yàn)證了該測(cè)量矩陣對(duì)比傳統(tǒng)測(cè)量矩陣的優(yōu)勢(shì),進(jìn)一步提升了信號(hào)的重構(gòu)精度。(3)針對(duì)環(huán)境監(jiān)測(cè)通過(guò)有限節(jié)點(diǎn)難以獲取區(qū)域內(nèi)完整信息的局限性,提出了一種網(wǎng)格化數(shù)據(jù)重構(gòu)算法,結(jié)合TSA...

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)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(guó)內(nèi)外研究現(xiàn)狀
    1.3 研究?jī)?nèi)容
第二章 無(wú)線環(huán)境傳感網(wǎng)與壓縮感知基本理論
    2.1 無(wú)線環(huán)境傳感網(wǎng)概述
        2.1.1 環(huán)境傳感器節(jié)點(diǎn)體系結(jié)構(gòu)
        2.1.2 環(huán)境傳感器網(wǎng)絡(luò)體系結(jié)構(gòu)
        2.1.3 環(huán)境傳感網(wǎng)特點(diǎn)
    2.2 壓縮感知理論框架
    2.3 壓縮感知核心技術(shù)
        2.3.1 信號(hào)稀疏表示
        2.3.2 測(cè)量矩陣設(shè)計(jì)
        2.3.3 信號(hào)重構(gòu)算法
    2.4 算法評(píng)價(jià)標(biāo)準(zhǔn)
    2.5 本章小結(jié)
第三章 壓縮感知重構(gòu)算法改進(jìn)
    3.1 經(jīng)典貪婪算法
    3.2 基于門(mén)限的稀疏度自適應(yīng)匹配追蹤算法
    3.3 仿真結(jié)果與分析
        3.3.1 一維信號(hào)重構(gòu)
        3.3.2 信號(hào)重構(gòu)概率
        3.3.3 信號(hào)參數(shù)效果
    3.4 本章小結(jié)
第四章 經(jīng)驗(yàn)?zāi)B(tài)分解的測(cè)量矩陣
    4.1 經(jīng)典測(cè)量矩陣
    4.2 經(jīng)驗(yàn)?zāi)B(tài)分解測(cè)量矩陣
        4.2.1 矩陣原理
        4.2.2 仿真分析
    4.3 本章小結(jié)
第五章 基于壓縮感知的環(huán)境監(jiān)測(cè)網(wǎng)格化數(shù)據(jù)重構(gòu)
    5.1 數(shù)據(jù)的網(wǎng)格化處理
    5.2 應(yīng)用壓縮感知的WSN采樣模型
    5.3 網(wǎng)格化數(shù)據(jù)重構(gòu)算法描述
    5.4 仿真結(jié)果與分析
    5.5 本章小結(jié)
第六章 總結(jié)與展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文和科研成果
作者簡(jiǎn)介
致謝



本文編號(hào)：4018412