基于压缩感知的大规模无线传感器网络数据收集策略研究

发布时间：2025-03-15 05:42

　　一般情况下,由无线传感器网络生成的海量感知数据记录并描述了监测对象的某种状态。但是,由于传感器网络自身的特点,节点采集的感知数据由于时间和空间上的相关性会存在大量冗余。因此,我们需要设计有效的数据收集策略来有效剔除冗余数据,提取数据中的有价值信息。在众多的感知数据压缩和收集策略中,压缩感知理论就是一种新颖的策略。压缩感知理论有三个重要内容:分别是特定变换基下信号的稀疏表征、构建与特定基不相关的观测矩阵以及重构信号算法。压缩感知理论表明只有可压缩性信号,或者特定变换基下的稀疏信号,才可以通过求解一个优化问题,从少量的样本中利用重构算法重构出原始信号,以达到减少网络中大量数据冗余的目的。本文主要针对以上问题,以压缩感知作为理论基础,对信号的稀疏性以及基于压缩感知的路由策略（即,压缩感知中观测矩阵的构建）进行了研究。主要贡献如下:（1）收集感知数据:包括真实信号和人工合成信号。首先,在真实世界中部署100个ZigBee节点,形成ZigBee传感器网络,并收集了八种不同场景的采样信号。其次,为了研究特定信号下压缩感知的性能,我们设计了人工合成信号。（2）设计正交变换基:在压缩感知中,不同的正交变...

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

图2.1无线传感器网络架构

图2.1无线传感器网络架构无线传感器网络的主要任务是通过感知识别技术产生感知数据，并将数据发送。传感器节点、汇聚节点(以下简称汇点)和任务管理节点是无线传感器网络的要构成部分。

图2.3压缩感知理论框架

图2.3压缩感知理论框架压缩性信号NxR的长度为N，可以看成是N×1维的列向TNx]。自然界中大多数信号都具有稀疏性，只要找到合适的变变为稀疏信号。假设信号x是正交基NNR下的稀疏信

图3.1a)-h)表示从物理世界中收集到的八种不同场景的真实信号，每一种场景的信号包括4种

h1)h2)图3.1a)-h)表示从物理世界中收集到的八种不同场景的真实信号，每一种场景的信号包括4种数据，分别为温度、湿度、空气质量、光敏。其中，部分场景的光敏传感器数值很大，故分为两幅图展示数据

图3.2不同场景的采样信号在不同的正交变换下的稀疏度

图3.2不同场景的采样信号在不同的正交变换下的稀疏度，我们展示了a)-h)八种不同场景的采样信号分别在离散傅、小波变换、Row-trans变换、Col-trans变换下的稀疏表征傅里叶变换和离散余弦变换下信号的稀疏度不太显著，小波

本文编号：4035253