基于非连续随机微小环境能量的自供能压缩感知采样模型
发布时间：2020-12-22 20:01
能量对无线传感器网络（Wireless Sensor Networks,WSNs）来说至关重要,是WSNs寿命以及工作时间的重要瓶颈,同时也是一直以来研究的热点之一。WSNs通常具有很大的部署数量、超小的体积、特殊的应用环境等特点,所以给WSN节点手动更换电池耗时耗力,并可能造成环境污染,增加了人工成本,有时甚至是极其困难且非常不现实的。因此,能量采集无线传感器网络（Energy-harvesting Wireless Sensor Networks,EHWSNs）应运而生,为WSNs的能量限制问题提供了一个新颖的解决方案。EHWSNs的出现解决了部分应用场景的能量限制问题的同时,也面临新的困难。由于部署EHWSN节点环境可能会出现使用环境恶劣、EHWSNs能量采集源与环境能量不匹配等问题,EHWSNs采集的能量因此具有非连续性、随机性、不稳定性、不可预测性等特点。特别是针对微小能量环境的自供能EHWSNs,这就需要改进EHWSNs与能量相关的诸如传感信号处理技术、数据传输协议、工作模式等关键技术与管理方案。但现有EHWSN节点的硬件结构能量管理方法,仍然采用传统的信号采样技术对节点电...
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
压缩感知采样模块组成电路
第三章自供能压缩感知采样模型设计与电路仿真29的噪声系数NF为3.8dB。乘法器性能的主要影响是它对输入信号的离散化，它将输入的模拟或者数字信号乘上微控制单元产生的伪随机信号，就产生了离散的、采样率与微控制单元产生的伪随机信号相同的离散波形。(a)(b)图3-3压缩感知采样模块组成电路。(a)乘法器电路；(b)低通滤波器电路对于低通滤波器，其电路设计[93]如图3-3(b)所示。该低通滤波器使用了一个差分输入、差分输出的RC有源积分器。由于放大器增益的限制，这种积分器具有有限的时间常数，因此可以作为低通滤波器，其时间常数决定截止频率。在模拟中，放大器的截止频率可以根据输入信号的不同进行调整，以覆盖调制信号的整个范围。图3-4压缩感知采样模块诺顿等效电路图当采样电路的目标信号输入时，系统的噪声带宽由采样电容和CMOS开关、乘法器的串联电阻决定。在实际应用中，乘法器应占主导地位，以确保乘法器看乘法器R1I1R2I2fsCL低通滤波器
第三章自供能压缩感知采样模型设计与电路仿真33幅度时间(s)点数幅度3.4.2自供能压缩感知采样模型仿真3.4.2.1多音频输入信号下的自供能压缩感知采样模型仿真本小节主要是在多音频输入信号的情况下，模拟了自供能压缩感知采样模型工作模式，并进行了功耗分析。仿真条件如下：假设输入信号为()()()12xt=0.7sin2ft+sin2ft，其中1f=450Hz，2f=250Hz，且PN信号采样率为900sf=Hz，采样点数即输入信号长度N=512，Lemple-Ziv复杂度为0.1406，Nyquist采样理论要求的最低采样率为900Nquistf=Hz。其时域信号如图3-5(a)所示。(a)(b)图3-5原始信号x(t)时域图。(a)原始信号x(t)时域图；(b)恢复信号时域图微控制单元采用MSP430FR6989模拟。根据MSP430FR6989官方手册，MSP430FR6989正常工作时，工作电压DDAV为3V，工作电流sI为210A，待机模式时，待机电压DV为2.2V，待机电流dI为0.2A，此外，MSP430FR6989的ADC位宽为12bit。压缩感知采样模块的有源RC低通滤波器3dB截止频率设置为信号最高频率，即3dbmax1f=f=f。恢复重建算法使用OMP算法。当ADC实际采样速率89.64AICf=Hz，压缩率为9.96%时，经过OMP算法恢复后时域信号如图3-5(b)所示。通过计算可得，自供能EHWSN节点任务工作模式功率P=0.7089mW，节点待机功率0.4400dP=W，采集1bit的能量为1bit=0.6590J/bitE，信噪比SNR=7.8dB。对比图3-5(a)和图3-5(b)可以看出，在9.96%的压缩率条件下，ADC实际采样
【参考文献】：
期刊论文
[1]凸松弛全局优化机器人手眼标定[J]. 李巍,吕乃光,董明利,娄小平. 计算机应用. 2017(05)
[2]基于混合匹配追踪算法的MIMO雷达稀疏成像方法[J]. 王伟,张斌,李欣. 电子与信息学报. 2016(10)
[3]雷达高分辨率紧凑感知矩阵追踪算法[J]. 刘静,盛明星,宋大伟,尚社,韩崇昭. 电子与信息学报. 2016(08)
[4]电磁能量收集技术现状及发展趋势[J]. 赵争鸣,王旭东. 电工技术学报. 2015(13)
[5]一种基于基追踪压缩感知信号重构的改进算法[J]. 芮国胜,王林,田文飚. 电子测量技术. 2010(04)
[6]基于非常稀疏随机投影的图像重建方法[J]. 方红,章权兵,韦穗. 计算机工程与应用. 2007(22)
[7]无线传感器网络[J]. 任丰原,黄海宁,林闯. 软件学报. 2003(07)
博士论文
[1]基于分簇结构的无线传感器网络节能路由协议研究[D]. 杨柳.重庆大学 2016
硕士论文
[1]基于环境能量收集的自供能无线传感系统的能量管理研究[D]. 黄瑞.电子科技大学 2019
[2]带铰接分流板的碰撞式压电风能采集器[D]. 高军.重庆大学 2013
本文编号：2932346
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
压缩感知采样模块组成电路
第三章自供能压缩感知采样模型设计与电路仿真29的噪声系数NF为3.8dB。乘法器性能的主要影响是它对输入信号的离散化，它将输入的模拟或者数字信号乘上微控制单元产生的伪随机信号，就产生了离散的、采样率与微控制单元产生的伪随机信号相同的离散波形。(a)(b)图3-3压缩感知采样模块组成电路。(a)乘法器电路；(b)低通滤波器电路对于低通滤波器，其电路设计[93]如图3-3(b)所示。该低通滤波器使用了一个差分输入、差分输出的RC有源积分器。由于放大器增益的限制，这种积分器具有有限的时间常数，因此可以作为低通滤波器，其时间常数决定截止频率。在模拟中，放大器的截止频率可以根据输入信号的不同进行调整，以覆盖调制信号的整个范围。图3-4压缩感知采样模块诺顿等效电路图当采样电路的目标信号输入时，系统的噪声带宽由采样电容和CMOS开关、乘法器的串联电阻决定。在实际应用中，乘法器应占主导地位，以确保乘法器看乘法器R1I1R2I2fsCL低通滤波器
第三章自供能压缩感知采样模型设计与电路仿真33幅度时间(s)点数幅度3.4.2自供能压缩感知采样模型仿真3.4.2.1多音频输入信号下的自供能压缩感知采样模型仿真本小节主要是在多音频输入信号的情况下，模拟了自供能压缩感知采样模型工作模式，并进行了功耗分析。仿真条件如下：假设输入信号为()()()12xt=0.7sin2ft+sin2ft，其中1f=450Hz，2f=250Hz，且PN信号采样率为900sf=Hz，采样点数即输入信号长度N=512，Lemple-Ziv复杂度为0.1406，Nyquist采样理论要求的最低采样率为900Nquistf=Hz。其时域信号如图3-5(a)所示。(a)(b)图3-5原始信号x(t)时域图。(a)原始信号x(t)时域图；(b)恢复信号时域图微控制单元采用MSP430FR6989模拟。根据MSP430FR6989官方手册，MSP430FR6989正常工作时，工作电压DDAV为3V，工作电流sI为210A，待机模式时，待机电压DV为2.2V，待机电流dI为0.2A，此外，MSP430FR6989的ADC位宽为12bit。压缩感知采样模块的有源RC低通滤波器3dB截止频率设置为信号最高频率，即3dbmax1f=f=f。恢复重建算法使用OMP算法。当ADC实际采样速率89.64AICf=Hz，压缩率为9.96%时，经过OMP算法恢复后时域信号如图3-5(b)所示。通过计算可得，自供能EHWSN节点任务工作模式功率P=0.7089mW，节点待机功率0.4400dP=W，采集1bit的能量为1bit=0.6590J/bitE，信噪比SNR=7.8dB。对比图3-5(a)和图3-5(b)可以看出，在9.96%的压缩率条件下，ADC实际采样
【参考文献】：
期刊论文
[1]凸松弛全局优化机器人手眼标定[J]. 李巍,吕乃光,董明利,娄小平. 计算机应用. 2017(05)
[2]基于混合匹配追踪算法的MIMO雷达稀疏成像方法[J]. 王伟,张斌,李欣. 电子与信息学报. 2016(10)
[3]雷达高分辨率紧凑感知矩阵追踪算法[J]. 刘静,盛明星,宋大伟,尚社,韩崇昭. 电子与信息学报. 2016(08)
[4]电磁能量收集技术现状及发展趋势[J]. 赵争鸣,王旭东. 电工技术学报. 2015(13)
[5]一种基于基追踪压缩感知信号重构的改进算法[J]. 芮国胜,王林,田文飚. 电子测量技术. 2010(04)
[6]基于非常稀疏随机投影的图像重建方法[J]. 方红,章权兵,韦穗. 计算机工程与应用. 2007(22)
[7]无线传感器网络[J]. 任丰原,黄海宁,林闯. 软件学报. 2003(07)
博士论文
[1]基于分簇结构的无线传感器网络节能路由协议研究[D]. 杨柳.重庆大学 2016
硕士论文
[1]基于环境能量收集的自供能无线传感系统的能量管理研究[D]. 黄瑞.电子科技大学 2019
[2]带铰接分流板的碰撞式压电风能采集器[D]. 高军.重庆大学 2013
本文编号：2932346
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/2932346.html
