無線傳感器網(wǎng)絡(luò)通過有限節(jié)點(diǎn)對監(jiān)測區(qū)域進(jìn)行采樣時(shí),通常無法完整地獲取區(qū)域內(nèi)信息,針對該問題提出一種網(wǎng)格化數(shù)據(jù)重構(gòu)算法,利用壓縮感知技術(shù)對區(qū)域內(nèi)信息進(jìn)行完整恢復(fù)。完成了對重構(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。本文主要對壓縮感知理論中的信號重構(gòu)算法以及測量矩陣設(shè)計(jì)兩個方面的問題進(jìn)行了深入的研究,主要工作包括:(1)針對稀疏度自適應(yīng)匹配追蹤(SAMP)算法迭代過程中由于選擇步長固定而導(dǎo)致的信號欠估計(jì)或過估計(jì)問題,提出了一種基于門限的稀疏度自適應(yīng)匹配追蹤(TSAMP)算法,將閾值思想引入原子選擇之中,并且在步長改變的基礎(chǔ)上提出了變步長策略,根據(jù)不同的條件以不同的步長估計(jì)稀疏度來重構(gòu)信號。(2)針對傳統(tǒng)隨機(jī)測量矩陣自由元素過多、實(shí)現(xiàn)難度大的問題,設(shè)計(jì)了基于經(jīng)驗(yàn)?zāi)B(tài)分解的測量矩陣,利用信號本身的特征,通過經(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)造出合適的測量矩陣,并通過仿真驗(yàn)證了該測量矩陣對比傳統(tǒng)測量矩陣的優(yōu)勢,進(jìn)一步提升了信號的重構(gòu)精度。(3)針對環(huán)境監(jiān)測通過有限節(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...

【文章頁數(shù)】：69 頁

【學(xué)位級別】：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 國內(nèi)外研究現(xiàn)狀
    1.3 研究內(nèi)容
第二章 無線環(huán)境傳感網(wǎng)與壓縮感知基本理論
    2.1 無線環(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 信號稀疏表示
        2.3.2 測量矩陣設(shè)計(jì)
        2.3.3 信號重構(gòu)算法
    2.4 算法評價(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 一維信號重構(gòu)
        3.3.2 信號重構(gòu)概率
        3.3.3 信號參數(shù)效果
    3.4 本章小結(jié)
第四章 經(jīng)驗(yàn)?zāi)B(tài)分解的測量矩陣
    4.1 經(jīng)典測量矩陣
    4.2 經(jīng)驗(yàn)?zāi)B(tài)分解測量矩陣
        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
作者簡介
致謝



本文編號：4018412