分布式过程监控信源压缩编码应用与研究

发布时间：2020-11-21 15:26

　　 煤矿物联网需要部署大量的无线传感器,但是传感器数量的增加会导致网络数据量剧增,传输可靠性下降;同时矿用无线传感器节点还面临着能量受限等问题。研究表明只要降低传感器输出到网络的数据量,就可有效解决以上问题,因此高效可靠的压缩编解码方法成了煤矿物联网技术的研究热点。新兴的分布式压缩感知可以用更低采样率来实现信号的压缩编码,有效降低网络传输数据量,特别适用于煤矿物联网场景。本文以典型的过程类监控信源——煤矿微震信号为例,分析其空间相关性和稀疏性,比较压缩感知和分布式压缩感知恢复效果。实验结果表明,由于同时利用了信号内相关性和信号间相关性,分布式压缩感知在煤矿微震信号的编解码中有较好的压缩和恢复性能。针对随机观测矩阵编码复杂度高、难于硬件实现的问题,研究了一种基于低密度奇偶校验码(LDPC)校验矩阵的稀疏观测矩阵——类LDPC观测矩阵。分析了类LDPC矩阵行重对微震信号测量精度的影响,构建了适用于微震信号的类LDPC观测矩阵,实验表明当采样率达到0.35时,类LDPC观测矩阵(行重为20)已经有较好的恢复效果,恢复误差小于0.1,恢复成功率为97%。针对贪婪类解码算法恢复精度有限的问题,结合蝙蝠算法和正交匹配追踪算法,提出了一种基于蝙蝠优化的解码算法(CS_BA);并将算法扩展到分布式压缩感知联合解码中,进一步提出基于蝙蝠优化的联合解码算法(DCS_BA)。实验表明,与传统的贪婪迭代算法相比,本算法在小信道噪声的情况下有更好的恢复能力。对于煤矿微震信号,DCS_BA算法的平均恢复误差比CS_BA算法低0.1。但是CS_BA算法和DCS_BA算法的抗噪声性能较差,在大噪声的情况下算法恢复精度下降明显。针对贪婪追踪算法抗噪声性能较差的问题,提出了一种基于分层置信传播的解码算法(CS_LBP);并将算法扩展到分布式压缩感知中,进一步提出基于分层置信传播的联合解码算法(DCS_LBP)。实验表明,本算法在有较大信道噪声的情况下有良好的恢复性能,且DCS_LBP算法在采样率低至0.2时,运用边信息依然可以较好的恢复微震信号。
【学位单位】：中国矿业大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TD76
【文章目录】：
致谢
摘要
abstract
变量注释表
1 绪论
    1.1 研究背景与意义
    1.2 分布式压缩感知研究现状
    1.3 论文的研究内容和创新点
    1.4 论文组织结构
2 信号分析理论基础
    2.1 压缩感知
    2.2 分布式压缩感知
    2.3 煤矿微震信号空间相关性分析
    2.4 煤矿微震信号稀疏性分分析
    2.5 煤矿微震信号编解码实验
    2.6 本章小结
3 基于类LDPC观测矩阵的压缩编码
    3.1 常用的测量矩阵
    3.2 LDPC码的基本概念
    3.3 类LDPC观测矩阵
    3.4 实验结果与分析
    3.5 本章小结
4 基于蝙蝠优化的解码算法
    4.1 蝙蝠算法
    4.2 基于蝙蝠优化的压缩感知解码算法
    4.3 基于蝙蝠优化的分布式压缩感知联合解码算法
    4.4 实验结果与分析
    4.5 微震信号中的应用
    4.6 本章小结
5 基于分层置信传播的解码算法
    5.1 分层置信传播算法的基本概念
    5.2 基于分层置信传播的压缩感知解码算法
    5.3 基于分层置信传播的分布式压缩感知联合解码算法
    5.4 实验结果与分析
    5.5 微震信号中的应用
    5.6 本章小结
6 结论与展望
    6.1 结论
    6.2 展望
参考文献
作者简历
学位论文数据集

【相似文献】

相关期刊论文 前10条

1 李周;崔琛;;压缩感知中观测矩阵的优化算法[J];信号处理;2018年02期

2 鄢鹏程;;一种基于阈值迭代和自适应观测矩阵的压缩感知图像处理[J];信息与电脑(理论版);2013年03期

3 赵玉娟;郑宝玉;陈守宁;;压缩感知自适应观测矩阵设计[J];信号处理;2012年12期

4 李周;崔琛;;基于奇异值分解的压缩感知观测矩阵优化算法[J];计算机应用;2018年02期

5 杨春玲;李林荪;;基于像素相关的图像/视频压缩感知观测矩阵[J];华南理工大学学报(自然科学版);2017年12期

6 王军华;黄知涛;周一宇;王丰华;;压缩感知理论中的广义不相关性准则[J];信号处理;2012年05期

7 张择书;郭永飞;;一种基于压缩感知的卫星图像观测矩阵优化[J];长春理工大学学报(自然科学版);2018年04期

8 王金铭;叶时平;徐振宇;蒋燕君;;低存储化压缩感知[J];中国图象图形学报;2016年07期

9 肖小潮;郑宝玉;王臣昊;;基于最优观测矩阵的压缩信道感知[J];信号处理;2012年01期

10 胡强;林云;;基于观测矩阵优化的自适应压缩感知算法[J];计算机应用;2017年12期

相关博士学位论文 前10条

1 陶宇;压缩感知雷达观测矩阵设计研究[D];南京航空航天大学;2017年

2 孙晶明;压缩感知中观测矩阵的研究[D];华中科技大学;2013年

3 黄天耀;基于稀疏反演的相参捷变频雷达信号处理[D];清华大学;2014年

4 徐永刚;矿山数据压缩采集与重建方法研究[D];中国矿业大学;2013年

5 姚世红;压缩感知若干关键问题研究[D];武汉大学;2015年

6 张京超;稀疏多频带信号压缩采样方法研究[D];哈尔滨工业大学;2014年

7 丁丽;MIMO雷达稀疏成像的失配问题研究[D];中国科学技术大学;2014年

8 叶蕾;语音信号压缩感知关键技术研究[D];南京邮电大学;2014年

9 季云云;压缩感知观测矩阵与脉冲噪声环境下重构算法研究[D];南京邮电大学;2014年

10 蔡卓燃;基于机器学习与压缩感知的认知无线电频谱感知方法研究[D];哈尔滨工业大学;2013年

相关硕士学位论文 前10条

1 密雅琪;P张量压缩感知图像处理技术研究与实现[D];北京邮电大学;2019年

2 包婉宁;分布式过程监控信源压缩编码应用与研究[D];中国矿业大学;2019年

3 杨朝煜;压缩感知稀疏表示和观测矩阵的研究[D];华南理工大学;2018年

4 黄韬;基于稀疏观测矩阵的压缩感知系统设计及软件实现[D];天津大学;2017年

5 刘志刚;非理想模型下稳健的压缩感知方法研究[D];西安电子科技大学;2018年

6 张春妹;压缩感知观测矩阵及重构算法的智能优化策略设计[D];太原科技大学;2018年

7 陈翠;压缩感知在通信抗干扰中的应用研究[D];电子科技大学;2018年

8 李林荪;图像/视频压缩感知中基于像素相关性的观测矩阵和重构算法研究[D];华南理工大学;2018年

9 杨保杰;基于DAE的脑网络状态观测矩阵降维方法研究[D];昆明理工大学;2017年

10 董迎朝;基于t-SNE算法的脑网络状态观测矩阵降维及可视化平台研究[D];昆明理工大学;2017年

本文编号：2893211