基于压缩感知的无线传感器网络数据压缩研究

发布时间：2017-10-01 14:16

  本文关键词：基于压缩感知的无线传感器网络数据压缩研究

  更多相关文章： 无线传感器网络 压缩感知 感知矩阵 分布式压缩感知

【摘要】：无线传感器网络(Wireless Sensor Networks,WSN)源于对外界信息的需求,得益于嵌入式技术的发展。由于WSN中节点的电源一般不可更换,所以能耗成为制约WSN网络寿命的关键因素,同时也是WSN中一项重要的研究内容。而压缩感知(Compressed Sensing,CS)技术是有效解决上述问题的方法之一。CS是在2004年由陶哲轩等人提出的一种新的信号采样理论,与传统奈奎斯特采样定律相比,CS最大不同之处在于采样速率取决于信号本身的结构而不是信号的带宽,所以CS可以在低于传统的奈奎斯特采样速率的条件下,有效恢复采样信号。并且近年来,将CS应用于WSN已成为一大热点。CS通过线性运算大大减少发送信息的量,以此降低节点在发送和接受信息时所消耗的能耗,从而达到节能的效果。但是,运用CS只是节能的手段,并不是最终目的,获取监测区域的信息才是关键。所以如果将CS运用到WSN中,所面临的核心问题是:一是如何将发送信息尽可能的压缩,以减少节点发送与接收信息时所消耗的能量;二是如何将压缩之后的信息最大限度的恢复,以获取外界信息。针对上述问题,本文主要研究了感知矩阵的设计以及分布式压缩感知的改进。在设计感知矩阵方面的主要工作为:利用球形几何的相关特性设计感知矩阵,并证明该种矩阵满足限制等距特性(Restricted Isometry Property,RIP)。在改进分布式压缩感知主要工作为:一是将权重的方法运用到分布式压缩感知中获取多个信号的共同部分;二是提出了一种有损编码的方法用于缩短信号共同部分的长度;三是改进了分布式压缩感知的公式。仿真实验表明上述两种方法,不仅可以减少采样信号的数量,而且可以有效减少原始信号与恢复信号的差值。
【关键词】：无线传感器网络 压缩感知 感知矩阵 分布式压缩感知
【学位授予单位】：云南民族大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN929.5;TP212.9
【目录】：

• 摘要4-5
• Abstract5-9
• 第1章 绪论9-13
• 1.1 选题背景9-10
• 1.2 压缩感知研究进展10-11
• 1.3 论文主要研究内容以及组织结构11-13
• 第2章 无线传感器网络概述13-18
• 2.1 无线传感器网络的起源以及发展13-14
• 2.2 无线传感器网络的特点14-15
• 2.3 无线传感器网络的关键技术15-18
• 第3章 压缩感知理论简介18-33
• 3.1 压缩感知概述18-19
• 3.2 信号的稀疏化19-22
• 3.2.1 信号稀疏的标准19-20
• 3.2.2 信号稀疏的方法20-22
• 3.3 感知矩阵22-25
• 3.3.1 感知矩阵满足的条件22
• 3.3.2 常用的感知矩阵22-25
• 3.4 信号重构25-26
• 3.4.1 信号重构的数学模型25-26
• 3.4.2 信号重构的算法26
• 3.5 仿真实验26-33
• 3.5.1 CS从稀疏到重构的仿真26-27
• 3.5.2 感知矩阵与稀疏度的关系27-31
• 3.5.3 不同重构算法的性能对比试验31-33
• 第4章 利用球形几何构造确定性感知矩阵33-40
• 4.1 引言33
• 4.2 Packing Designs与Steiner System33-34
• 4.3 构造确定性感知矩阵34-38
• 4.3.1 从球形几何构造感知矩阵34-36
• 4.3.2 优化感知矩阵36-38
• 4.4 实验仿真38-39
• 4.5 总结39-40
• 第5章 改进的分布式压缩感知40-49
• 5.1 分布式压缩感知简介40-43
• 5.2 改进的分布式压缩感知43-46
• 5.2.1 建立WSN数据数学模型43-44
• 5.2.2 权重系数44-45
• 5.2.3 采用有损编码的方法减少cz的长度。45-46
• 5.2.4 改进压缩感知公式46
• 5.3 仿真实验46-48
• 5.3.1 数据预处理46
• 5.3.2 仿真实验以及分析46-48
• 5.4 结论48-49
• 第6章 总结与展望49-50
• 6.1 工作总结49
• 6.2 未来工作展望49-50
• 参考文献50-53
• 附录A 实验数据53-65
• 附录B 节点分布图65-66
• 在学期间发表的学术成果及获奖情况66-68
• 致谢68

，

本文编号：953917