半张量压缩感知新模型及其在无线体域网中的应用研究

发布时间：2020-05-15 12:04

【摘要】：在无线体域网(Wireless Body Area Network,WBAN)中传感器被戴在身上或植入皮肤,可以收集一些人体的生理参数。WBAN中信号的类型是不同的,如:心电图(Electrocardiogram,ECG),脑电波(Electroencephalogram,EEG),而且信号的尺寸也是不同的,从而要求传感器具有灵活性。WBAN中每个传感器使用电池供电,而电池电量是有限的。对于那些被植入皮肤的传感器,电池的替换和充电都不容易。因此,WBAN中能量的消耗是一个重要的问题。在无线网络传输中,病人的健康数据是敏感信息,由于网络链路的开放性,这些数据很容易被对手窃听,因而,提高安全性是非常重要的。压缩感知可以应用到无线体域网中测量信号。传统压缩感知使用矩阵乘法要求测量矩阵的列数要等于信号的行数。考虑到信号的多样性,压缩感知需要设计和存储大量不同尺寸的测量矩阵。因此,本文提出半张量压缩感知新模型并将所提模型应用到无线体域网中。因为半张量压缩感知克服了矩阵乘法的维数限制,所以它能使用相同的测量矩阵测量不同尺寸的信号。本论文主要的研究成果与创新点如下:(1)提出半张量压缩感知新模型,该模型由测量矩阵和辅助矩阵构成。对信号恢复性能进行评估,分析了测量矩阵和辅助矩阵对信号重构误差的影响,以及参数和信号长度对重构误差的影响。更进一步地,分析了稀疏度、信号观测值及迭代次数对信号重构成功率的影响,分析了模型的存储空间和适应性方面的优势,证明了所提模型的可行性和高效性。(2)提出基于半张量压缩感知新模型的无线体域网信号传输方案。提出的方案包括以下技术手段,即半张量压缩感知、哈希函数、Arnold置乱和混沌置乱。半张量压缩感知克服了矩阵乘法的维数限制。混沌系统用于生成半张量测量矩阵,减少传输参数。Arnold置乱和混沌置乱进一步加强了系统的安全性。分析了所提方案在不同明文图像、稀疏基和测量矩阵下的重构效果,证明了密文图像的相邻像素的相关性、灰度直方图、信息熵等具有良好性能,并与相关算法进行了对比。
【图文】：

逡逑之间的关系。随着Ｗ的改变，ｘ（／７）的分布被划分为周期区（即图３－２中的红色部逡逑分）和混沌区（即图３－２中的彩色部分）。当ｗ的值处于［０，３．５７）时，在迭代的过逡逑程中ｘ（？）将会收敛为稳定的周期序列。否则，序列就不会收敛，从而出现混沌状逡逑态。逡逑？：：逡逑：；：：逡逑０１邋％逡逑０Ｉ——，逦逦逦逦逦■逦逦逦■逦－Ｓ逡逑２．８逦３邋３Ｊ邋３．４逦３．６逦３．８逦４逡逑ｕ逡逑图３－２邋Ｌｏｇｉｓｔｉｃ分岔图问逡逑Ｌｏｇｉｓｔｉｃ系统的初始值是０．２，参数是４。对Ｌｏｇｉｓｔｉｃ序列进行采样。初始采逡逑样位置是任意的，，为了方便，我们设置为１。为了减小Ｌｏｇｉｓｔｉｃ序列的相关性，逡逑根据经验将采样间隔设置为４。因此，序列ｓ可以被获得。根据变换ｆ邋＝逦２心可逡逑以得到序列；。序列？通过列优先重排得到测量矩阵，可以被表示为如下的0１：逡逑＾０逦逦邋Ｃ（Ｂ－ｌ）逡逑（３－１１）逡逑Ｖ邋ｍ逦：逦：逦：逦：逡逑Ｊｍ－ｌ逦’２／？－丨逦…逦’ｍ／ｉ－ｌ逦＿逡逑其中

逡逑序列通过列优先重排得到辅助矩阵。如图３－３所示，该图为Ｔｅｎｔ混沌系统的逡逑采样示意图。逡逑疆邋Ｉ邋‘督罗

本文编号：2664996