面向物联网的稀疏采样与近似重构技术研究

发布时间：2020-05-20 11:18

【摘要】：物联网中的无线传感器网络技术一直是研究的热点之一,网络中常常存在大量冗余的数据,有时甚至存在异常或遗失的可能性,如何通过仅仅采集部分有效数据就能重构原始数据、如何提高重构精度以及如何降低采样率都是研究的重点。本文首先构建不同规模的具有时空相关性的数据矩阵模型,并基于稀疏采样中的随机非均匀采样机制进行仿真研究。在实验中设置多个不同的参数如:时空相关系数、传感器个数、采样时刻数、采样比率等等。仿真证明能够建立有效的具有时空相关性的矩阵。对于采样后数据的重构问题,通常使用压缩感知等常用的数据恢复算法,还没有针对时空相关性数据矩阵使用矩阵填充来进行近似重构的研究。在满足矩阵重构前提条件下,本文提出了不同规模的时空相关性数据矩阵模型在不同采样比率的稀疏采样后,采用SVT算法近似重构原始矩阵,得到不同的重构精度。仿真还证明了算法的迭代时间会随矩阵规模和采样比率的增加而增加。基于对具有时空相关性数据矩阵稀疏采样和近似重构的深入研究发现,时空相关性与重构可行性存在一定的关系,即其能够改变重构精度和采样比率。基于此本文先针对时空相关性和数据冗余的关系,提出对已构建的数据矩阵采用PCA算法,在时空相关性的条件下,研究保留主成分的数目,证明高时空相关性的数据之间会存在大量冗余。从而使时空相关性对重构可行性——采样比率和重构精度造成影响。仿真证明高时空相关性可以提高重构精度,还可以降低采样比率。
【学位授予单位】：海南大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.44;TN929.5

【参考文献】

相关期刊论文 前8条

1 杨剑哲;孙巧榆;王君;程丹松;金野;石大明;;基于改进增广拉格朗日乘子法的鲁棒性主成分分析[J];哈尔滨工业大学学报;2015年11期

2 王斐;梁晓庚;王彦奎;郑强;;增强小波系数的飞行数据奇异值阈值降噪[J];火力与指挥控制;2013年07期

3 柴继贵;;WSN中一种基于压缩感知的目标定位算法[J];计算机工程;2013年03期

4 邹志强;王悦;沙超;胡存琛;张飞;;无线传感器水下监测网络稀疏采样和近似重构[J];仪器仪表学报;2012年12期

5 张明;朱俊平;蔡骋;;WSN中基于压缩感知的数据收集方案[J];计算机工程;2012年20期

6 郭东亮;张铁军;戴宪华;;基于非均匀采样的信号频率、幅值和相位检测[J];系统工程与电子技术;2012年04期

7 朱肇轩;王厚军;王志刚;;最小二乘法重构r重平移不变子空间采样的研究[J];电子与信息学报;2009年11期

8 谢永华;陈伏兵;张生亮;杨静宇;;基于分块小波变换与奇异值阈值压缩的人脸特征提取与识别算法[J];计算机应用与软件;2008年01期

相关博士学位论文 前3条

1 徐安豹;压缩感知与矩阵填充问题的阈值算法及匹配追踪算法研究[D];湖南大学;2017年

2 张芬;基于低秩矩阵填充的相位检索方法研究[D];安徽大学;2015年

3 肖伟;无线传感器网络自适应数据容错关键技术研究[D];国防科学技术大学;2010年

相关硕士学位论文 前10条

1 李艳;矩阵填充算法的研究及其应用[D];广东工业大学;2018年

2 瞿佳雯;基于无线传感器网络的数据聚合算法研究[D];南京邮电大学;2017年

3 陈琪;WSN中基于邻居协调的故障诊断算法研究[D];苏州大学;2017年

4 卢昭;无线传感器网络中基于时空相关性的数据预测技术研究[D];河北工程大学;2016年

5 高航;基于数据相关性的无线传感器网络容错事件检测算法研究[D];北京工业大学;2015年

6 王正路;基于无线传感网的小气候观测数据收集协议研究[D];南京信息工程大学;2014年

7 王玲;无线传感器网络时空相关性数据融合算法研究[D];重庆大学;2014年

8 潘泰鹏;无线传感器网络中分布式压缩感知关键技术[D];南京邮电大学;2012年

9 刘亚雄;基于数据融合的无线传感器执行器网络数据可靠传输[D];上海交通大学;2012年

10 郭佳盼;基于二次规划的小波模极大值信号重构[D];西安电子科技大学;2012年

，

本文编号：2672541