基于压缩感知的环境监测网格化数据重构算法研究

发布时间：2024-12-21 04:37

　　无线传感器网络通过有限节点对监测区域进行采样时,通常无法完整地获取区域内信息,针对该问题提出一种网格化数据重构算法,利用压缩感知技术对区域内信息进行完整恢复。完成了对重构算法的改进,设计了基于经验模态分解的测量矩阵,有效提高了重构精度并降低了运行时间。本文主要对压缩感知理论中的信号重构算法以及测量矩阵设计两个方面的问题进行了深入的研究,主要工作包括:(1)针对稀疏度自适应匹配追踪(SAMP)算法迭代过程中由于选择步长固定而导致的信号欠估计或过估计问题,提出了一种基于门限的稀疏度自适应匹配追踪(TSAMP)算法,将阈值思想引入原子选择之中,并且在步长改变的基础上提出了变步长策略,根据不同的条件以不同的步长估计稀疏度来重构信号。(2)针对传统随机测量矩阵自由元素过多、实现难度大的问题,设计了基于经验模态分解的测量矩阵,利用信号本身的特征,通过经验模态分解得到矩阵分量,借鉴循环矩阵的循环位移方法构造出合适的测量矩阵,并通过仿真验证了该测量矩阵对比传统测量矩阵的优势,进一步提升了信号的重构精度。(3)针对环境监测通过有限节点难以获取区域内完整信息的局限性,提出了一种网格化数据重构算法,结合TSA...

【文章页数】：69 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 研究内容
第二章 无线环境传感网与压缩感知基本理论
    2.1 无线环境传感网概述
        2.1.1 环境传感器节点体系结构
        2.1.2 环境传感器网络体系结构
        2.1.3 环境传感网特点
    2.2 压缩感知理论框架
    2.3 压缩感知核心技术
        2.3.1 信号稀疏表示
        2.3.2 测量矩阵设计
        2.3.3 信号重构算法
    2.4 算法评价标准
    2.5 本章小结
第三章 压缩感知重构算法改进
    3.1 经典贪婪算法
    3.2 基于门限的稀疏度自适应匹配追踪算法
    3.3 仿真结果与分析
        3.3.1 一维信号重构
        3.3.2 信号重构概率
        3.3.3 信号参数效果
    3.4 本章小结
第四章 经验模态分解的测量矩阵
    4.1 经典测量矩阵
    4.2 经验模态分解测量矩阵
        4.2.1 矩阵原理
        4.2.2 仿真分析
    4.3 本章小结
第五章 基于压缩感知的环境监测网格化数据重构
    5.1 数据的网格化处理
    5.2 应用压缩感知的WSN采样模型
    5.3 网格化数据重构算法描述
    5.4 仿真结果与分析
    5.5 本章小结
第六章 总结与展望
参考文献
攻读硕士学位期间发表的论文和科研成果
作者简介
致谢



本文编号：4018412