基于压缩感知的矿用网络化传感器研究与设计

发布时间：2020-09-19 10:25

　　 现有矿用传感器多为模拟传感器,其信号传输易受干扰,数据传输可靠性差,使用维护成本高,并且传感器间无法进行信息交流,不能满足矿山物联网对传感器的要求,对矿用传感器进行数字化和网络化改造是矿山物联网发展的必由之路。然而随着数字化网络化传感器应用的增多,传感器输出的大量数据又易造成网络拥塞,解决这一问题的关键在于降低传感器输出的数据量。基于压缩感知理论的模拟信息转换器(AIC)将传统的数据采集变为信息采集,为实现传感器数据压缩提供了新的设计思路。本文基于此,结合矿用传感器数字化、网络化的需求,开展了如下工作:1.综述压缩感知理论及模拟信息转换器的研究现状,明确了本文基于压缩感知的矿用数字化、网络化振动传感器的研究思路和设计目标。2.研究压缩感知理论,从稀疏表示、观测矩阵、重构算法三个方面对该理论进行综述和分析,寻找适用于振动信号的稀疏表示方法和重构算法。3.分析现有AIC模型,提出一种易于硬件实现的随机采样等效观测矩阵,并进一步设计出了适用于矿用振动传感器的随机采样AIC实现方案。4.按照所设计的AIC方案,结合矿用传感器数字化、网络化的需求,对矿用振动传感器进行总体设计和具体的软硬件设计。5.完成传感器实物制作,对传感器进行硬件调试和软件调试,检测传感器整体实现效果是否达到预期目标,验证所设计的AIC方案的可行性。本文通过以上工作后,验证了所设计的随机采样AIC方案是可行的,这为矿用压缩感知传感器设计提供了范例,为推动矿山物联网建设做出了一定的贡献。
【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】：TD65;TP212
【部分图文】：

器formation Convertor缩感知理论进行了研究和综述，，就能够用少量的观测值表示原。由此可知，压缩感知理论所针对然界中的原始信号都是模拟连续感知理论的应用领域进行推广，IC)是压缩感知理论在传感器应对信号进行采样，在把模拟信号，提取了信号中的有效信息，降把 AIC 看成一个黑匣子，则输入少量的线性观测值，一举完成了 ( )

采样后得到的观测值具有非自适应时不变结构。其原理框图如图 3图 3-2 随机滤波模型原理框图Figure 3-2 Block diagram of the random filter model该模型首先将时域模拟信号和 阶随机抽头滤波器进行卷积运算，然后的采样速率采集卷积输出信号，最终得到观测向量 。若想改变输出观 的长度，可调整滤波器长度来实现[57][58]。2.2 随机解调模型随机解调模型由 J.Laska 等人提出，是最为经典的模拟信息转换器模机解调模型由混频器、伪随机序列发生器、模拟低通滤波器、A/D 转换器组原理框图如图 3-3。混频器模拟低通滤A/D ( )卷积下采样FIR 滤波器 ( )

工程硕士专业学位论文压缩感知(Analog Compression Sensing)缩感知是经典的压缩感知硬件实现方案。在模拟压缩感知采样的过程中同时完成了对信号的压缩。目前已经提出的要有随机滤波(RF)[49][50]、随机解调(RD)[51][52]以及调制等模型。下面对这些模型进行介绍.滤波模型波模型是基于随机滤波器的一种数据采集模型[54]。该模模拟信号，能够对分段平滑信号以及多种稀疏信号进行观到的观测值具有非自适应时不变结构[55][56]。其原理框图 ( )

【相似文献】

相关期刊论文 前10条

1 任彦荣;;分子表面随机采样分析法用于药物定量构效关系研究[J];化学通报;2011年05期

2 唐华斌,王磊,孙增圻;基于随机采样的运动规划综述[J];控制与决策;2005年07期

3 侯遵泽;随机采样信号重构的快速计算方法[J];物探化探计算技术;2005年03期

4 周波;杨剑;王东平;;基于随机采样一致性算法的平面匹配方法[J];计算机应用;2011年04期

5 杨敏,沈春林;基本矩阵随机采样鲁棒估计[J];应用科学学报;2004年02期

6 刘坤;葛俊锋;罗予频;杨士元;;概率引导的随机采样一致性算法[J];计算机辅助设计与图形学学报;2009年05期

7 李献刚,王增法,肖国镇;一类伪随机采样序列的复杂度[J];通信学报;1990年02期

8 刘毅;;基于一致性随机采样的图像特征匹配鲁棒确认[J];重庆邮电大学学报(自然科学版);2010年03期

9 刘哲豪;;一种随机采样技术在自动增益控制放大器中的应用[J];电子测试;2018年24期

10 施金霄;熊小峰;;基于全局最优解和随机采样的改进人工蜂群算法[J];江西理工大学学报;2018年01期

相关会议论文 前10条

1 门哲;宁宏晓;李伟波;柳兴刚;郭明杰;;基于压缩感知的随机采样与稀疏性约束采样重构效果对比[A];中国石油学会2019年物探技术研讨会论文集[C];2019年

2 郭波莉;魏益民;魏帅;姜涛;;食品产地溯源技术研究与应用新进展[A];中国食品科学技术学会第十一届年会论文摘要集[C];2014年

3 刘伟;曹思远;崔震;;局部随机采样和地震数据重建[A];2014年中国地球科学联合学术年会——专题17：油气田与煤田地球物理勘探论文集[C];2014年

4 陈杰;刘松林;宇超群;;一种改进的基本矩阵鲁棒估计算法[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年

5 仝建波;王平;车挺;陈洋;徐夏梦;;基于虚拟蛋白质受体原子探针的分子表面随机采样法研究抗艾滋病药物QSAR[A];中国化学会第28届学术年会第14分会场摘要集[C];2012年

6 唐华斌;孙增圻;;基于随机采样的机器人双臂协调运动规划[A];2005年中国智能自动化会议论文集[C];2005年

7 戴志坚;王厚军;;具有自校准能力的随机采样技术的研究[A];第二届全国信息获取与处理学术会议论文集[C];2004年

8 程志全;叶永凯;李宝;;一种基于RANSAC框架的椭球提取算法[A];第五届全国几何设计与计算学术会议论文集[C];2011年

9 王健;王孝通;徐晓刚;李博;;一种新的基于随机Hough变换的圆检测算法[A];第十二届全国图象图形学学术会议论文集[C];2005年

10 张旭光;张云;董期林;;基于随机采样的协方差跟踪[A];图像图形技术研究与应用(2010)[C];2010年

相关重要报纸文章 前7条

1 陈家兴;民意采集应当讲究科学方法[N];六盘水日报;2011年

2 陈家兴;民意采集应当讲科学[N];甘肃日报;2012年

3 陈家兴;民意采集应当讲科学[N];人民日报;2011年

4 李博;这样施用二铵，错![N];农资导报;2016年

5 ;sFlow步入实用[N];网络世界;2004年

6 苏报评论员 吴湘人;大数据时代 别忽略身边的小数据[N];苏州日报;2016年

7 记者 潘咏　毕国学;市领导凌晨带队打击私宰[N];深圳商报;2009年

相关博士学位论文 前10条

1 张敬栋;基于脉冲调制的分布式振动传感技术研究[D];重庆大学;2018年

2 周祥军;高阶parzen Windows及随机采样[D];中国科学技术大学;2009年

3 彭飞;约束条件下的船舶装配拆卸随机采样路径规划研究[D];华中科技大学;2013年

4 杜新鹏;联合稀疏恢复新型算法及其应用研究[D];国防科学技术大学;2013年

5 周力凯;随机积分的弱收敛及应用[D];浙江大学;2016年

6 徐雍;基于Markov链的网络化离散系统滤波与控制研究[D];浙江大学;2014年

7 韩永杰;借助带噪声信息的多元Besov函数类上的逼近[D];南开大学;2014年

8 熊晶;高速列车车厢总成装配路径规划方法研究[D];华中科技大学;2016年

9 王宇翔;云计算环境下面向大数据的在线聚集优化机制研究[D];东南大学;2015年

10 武俊丽;随机不确定采样系统的分析与控制[D];哈尔滨工业大学;2010年

相关硕士学位论文 前10条

1 菅传奇;基于压缩感知的矿用网络化传感器研究与设计[D];中国矿业大学;2019年

2 刘晶晶;随机采样模型及其信号处理算法研究[D];电子科技大学;2018年

3 张国礼;基于随机采样的高速数据采集系统设计[D];西安电子科技大学;2005年

4 程小瑜;随机采样数字化示波器监控软件系统研究[D];电子科技大学;2003年

5 张光浩;基于MCMC的运动目标跟踪研究[D];北京理工大学;2015年

6 杨过;基于随机采样的复杂网络状态观测器设计[D];南京邮电大学;2016年

7 公伟;变密度随机采样的并行磁共振成像方法的研究[D];青岛大学;2010年

8 凌荣耀;基于随机采样的网络化系统H_∞滤波问题研究[D];浙江工业大学;2015年

9 邓潇宇;基于随机采样的数字前端功率消耗问题的研究[D];广东工业大学;2011年

10 宋琦;虹膜识别中预处理及识别方法的研究[D];黑龙江大学;2010年

本文编号：2822394