基于压缩感知的海洋监测传感网高能效传输方法

发布时间：2017-08-02 10:22

  本文关键词：基于压缩感知的海洋监测传感网高能效传输方法

  更多相关文章： 三维水下传感器网络 压缩感知 多跳路由 能量消耗

【摘要】：海洋是维持人类社会生存进步的重要基地。作为探索海洋世界的关键设备,水下传感器网络发挥着重要作用。面对三维海洋监测传感网复杂的体系结构与恶劣的水声信道环境,设计高能效的数据传输算法尤为重要,这也是水下传感器网络研究的重点难题。压缩感知理论集信号获取与数据有效压缩于一体,其为能量有限的水下传感器网络提供了一种创新性的研究突破方案。压缩感知利用待采集信号的稀疏性,通过少量的随机投影值即可在误差许可的范围内精确重构原始信号。由于大部分自然信号具备一定时空相关性,根据该理论,汇聚节点可以依据一定路由准则,利用所收集的远小于原始信息量的随机观测值重构原始网络图谱,其应用可显著降低通信能耗与信道带宽要求。本文主要研究了压缩感知在三维海洋监测传感网中的应用,以此设计高能效的数据传输算法。首先,分析了复杂的水声信道环境。根据水声信道的衰减模型、噪声模型与带宽模型等,建立了单跳传输能耗模型,从而为路由算法的能耗评价方式作出了定义。并以该模型为基础,仿真分析了压缩感知和多跳路由的性能优势。其次,以延长网络生存周期为目标,设计了基于分布式压缩感知的三维多跳路由算法,并讨论了三种路由方案,其路由过程均可与压缩感知观测矩阵的设计进行有效结合。基于实测数据的仿真结果表明,相比于传统信息传输方案,以上算法在节约网络能耗方面具有显著优势,且均可实现对原始数据的有效重构。此外,完成了算法间性能的对比分析,选取出最优算法。最后,以压缩感知为技术背景,将分簇协议与簇间多跳路由联合设计,提出了基于压缩感知的分簇不均匀分层多跳路由算法CS-CULM。该算法以压缩感知作为数据融合技术,簇内传输采取改进的三维分簇协议NEW-LEACH,簇间传输利用所选取的最优算法将融合数据包通过多跳方式路由至汇聚节点。基于实测数据的仿真结果表明,CS-CULM算法在保证原始数据重构精度的同时进一步均衡了网络能耗。此外,本文对三维海洋监测传感网中原始信号分段频域稀疏的问题展开分析并提出了解决方案,对CS-CULM算法进行了改进,达到了提高数据重构精度的目标。
【关键词】：三维水下传感器网络 压缩感知 多跳路由 能量消耗
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：P715;TN929.3;TP212.9
【目录】：

• 摘要4-5
• ABSTRACT5-9
• 第1章 绪论9-16
• 1.1 课题来源与研究意义9-11
• 1.2 水声传感器网络研究现状11-12
• 1.3 课题研究现状与分析12-14
• 1.4 文章主要研究内容14-16
• 第2章 基于压缩感知的三维水声传感器网络模型16-31
• 2.1 压缩感知理论基础16-20
• 2.1.1 观测矩阵设计17-18
• 2.1.2 重构算法设计18-20
• 2.2 基于压缩感知的系统模型20-23
• 2.3 水声信道能耗模型23-27
• 2.3.1 衰减模型23-24
• 2.3.2 噪声模型24-25
• 2.3.3 传输距离与带宽模型25-26
• 2.3.4 单跳传输能耗模型26-27
• 2.4 分布式压缩感知与多跳路由27-29
• 2.4.1 分布式压缩感知能耗分析27-28
• 2.4.2 多跳路由能耗分析28-29
• 2.5 本章小结29-31
• 第3章 基于压缩感知的三维分布式多跳路由算法31-55
• 3.1 观测值获取方式设计31-32
• 3.2 数据包格式与数据融合方式32-33
• 3.3 基于分布式压缩感知的三维几何多跳路由算法33-36
• 3.3.1 DCS-3DGM网络模型33-34
• 3.3.2 DCS-3DGM算法设计34-36
• 3.4 基于分布式压缩感知的不均匀分层多跳路由算法36-41
• 3.4.1 DCS-ULM网络模型37
• 3.4.2 DCS-ULM算法设计37-40
• 3.4.3 DCS-ULM观测矩阵设计40-41
• 3.5 基于压缩编码的分布式数据传输算法41-42
• 3.5.1 CCDT网络模型41
• 3.5.2 CCDT算法设计41-42
• 3.6 仿真实现与性能分析42-54
• 3.7 本章小结54-55
• 第4章 基于压缩感知的改进式三维多跳路由算法55-78
• 4.1 基于压缩感知的分簇不均匀分层多跳路由算法55-58
• 4.1.1 CS-CULM系统模型55-56
• 4.1.2 CS-CULM算法设计56-58
• 4.2 分段频域稀疏问题描述58-59
• 4.3 重构方式分析59-62
• 4.4 基于压缩感知的分段传输算法62-64
• 4.4.1 CS-DCULM算法设计62-63
• 4.4.2 CS-DICULM算法设计63-64
• 4.4.3 观测矩阵设计64
• 4.5 仿真实现与性能分析64-77
• 4.6 本章小结77-78
• 结论78-80
• 参考文献80-84
• 攻读硕士学位期间发表的论文及其它成果84-86
• 致谢86

，

本文编号：608803