基于壓縮感知的傳感器網(wǎng)絡(luò)數(shù)據(jù)采集技術(shù)研究.pdf

1、無線傳感器網(wǎng)絡(luò)是一種新型的集數(shù)據(jù)采集、傳輸和處理于一身的網(wǎng)絡(luò)，通過大量微型、智能化、低成本的感知節(jié)點(diǎn)，完成自動(dòng)化的、大范圍的信息采集任務(wù)。數(shù)據(jù)采集是無線傳感器網(wǎng)絡(luò)一切應(yīng)用的基礎(chǔ)，包括感知節(jié)點(diǎn)本地采樣，無線信道上傳數(shù)據(jù)以及融合中心重構(gòu)信息三個(gè)階段。鑒于無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)能量有限，計(jì)算存儲(chǔ)能力較弱，網(wǎng)絡(luò)中數(shù)據(jù)量大且冗余度高等缺點(diǎn)，本文引入壓縮感知技術(shù)來實(shí)現(xiàn)低能耗、高精度、低延時(shí)的數(shù)據(jù)采集。壓縮感知技術(shù)利用節(jié)點(diǎn)內(nèi)和節(jié)點(diǎn)間的數(shù)據(jù)相關(guān)性對(duì)原始數(shù)據(jù)

2、低維度壓縮，并在融合中心高概率重構(gòu)，在保留原始數(shù)據(jù)有效信息的同時(shí)降低了網(wǎng)絡(luò)數(shù)據(jù)量和通信能耗，延長(zhǎng)網(wǎng)絡(luò)壽命。然而，壓縮感知的引入帶來了新的問題，主要包括尋找信號(hào)的稀疏表示，構(gòu)建合適的觀測(cè)矩陣，選擇高精度低延時(shí)的重構(gòu)算法三個(gè)問題，需要在本地采樣、數(shù)據(jù)上傳、信息重構(gòu)的過程中得到解決。為此，本文以無線傳感器網(wǎng)絡(luò)中的壓縮感知為對(duì)象，以改善數(shù)據(jù)采集性能和延長(zhǎng)網(wǎng)絡(luò)生命周期為目標(biāo)，提出了相應(yīng)的研究方案。本文主要工作如下：
　　1．針對(duì)節(jié)點(diǎn)內(nèi)觀測(cè)信

3、號(hào)具有較強(qiáng)時(shí)間相關(guān)性的網(wǎng)絡(luò)，提出了一種基于卡爾曼預(yù)測(cè)的自適應(yīng)壓縮感知算法。由于節(jié)點(diǎn)內(nèi)的信號(hào)時(shí)間相關(guān)性較強(qiáng)，觀測(cè)節(jié)點(diǎn)可以采用卡爾曼濾波預(yù)測(cè)當(dāng)前采樣值，根據(jù)預(yù)測(cè)結(jié)果與實(shí)際采樣的差值決定是否發(fā)送數(shù)據(jù)，通過減少發(fā)送節(jié)點(diǎn)數(shù)來構(gòu)建空間稀疏性，同時(shí)降低觀測(cè)節(jié)點(diǎn)的能量損耗。利用觀測(cè)節(jié)點(diǎn)和中繼節(jié)點(diǎn)間的高斯信道作為觀測(cè)矩陣，中繼節(jié)點(diǎn)接收的混合數(shù)據(jù)即為對(duì)稀疏發(fā)送數(shù)據(jù)的壓縮觀測(cè)值。另外，在融合中心采用自適應(yīng)選擇中繼數(shù)量的序貫重構(gòu)算法，逐步接收中繼節(jié)點(diǎn)的數(shù)據(jù)嘗試

4、重構(gòu)，重構(gòu)成功即停止接收數(shù)據(jù)，降低中繼節(jié)點(diǎn)的傳輸能耗。仿真結(jié)果表明，和其他基于預(yù)測(cè)的壓縮感知算法相比，本算法觀測(cè)節(jié)點(diǎn)的計(jì)算復(fù)雜度和中繼節(jié)點(diǎn)的傳輸能耗大大降低而不會(huì)帶來誤差的增加。
　　2．針對(duì)節(jié)點(diǎn)間觀測(cè)信號(hào)具有較強(qiáng)空間相關(guān)性的網(wǎng)絡(luò)，提出了一種基于不等概隨機(jī)投影的壓縮感知算法。由于節(jié)點(diǎn)間的信號(hào)空間相關(guān)性較強(qiáng)，同一時(shí)刻所有節(jié)點(diǎn)的信號(hào)在小波基或空間傅里葉基上具有稀疏性，可以采用隨機(jī)選取節(jié)點(diǎn)的方法構(gòu)建稀疏觀測(cè)矩陣來降低觀測(cè)節(jié)點(diǎn)的能量損耗。

5、不等概隨機(jī)投影要求觀測(cè)節(jié)點(diǎn)根據(jù)本地采樣信號(hào)的強(qiáng)度選擇發(fā)送概率，并通過能量均衡算法進(jìn)行調(diào)節(jié)，在其上傳時(shí)隙到來時(shí)依調(diào)節(jié)后的概率發(fā)送數(shù)據(jù)至融合中心，融合中心依靠所接收的數(shù)據(jù)完成重構(gòu)。仿真結(jié)果表明：和等概隨機(jī)投影相比，本文提出的算法在不增加額外能量損耗的前提下，降低了整個(gè)區(qū)域，尤其是重點(diǎn)區(qū)域的重構(gòu)誤差。同時(shí)，能量均衡算法的引入可以避免部分節(jié)點(diǎn)長(zhǎng)時(shí)間高概率發(fā)送數(shù)據(jù)，從而延長(zhǎng)網(wǎng)絡(luò)壽命。
　　3．針對(duì)觀測(cè)信號(hào)符合第一類聯(lián)合稀疏模型的網(wǎng)絡(luò)，提出了

6、一種基于分布式聯(lián)合重構(gòu)的壓縮感知算法。很多時(shí)候融合中心不需要獲取全部的數(shù)據(jù)，只需要得到節(jié)點(diǎn)數(shù)據(jù)的線性融合結(jié)果。由于觀測(cè)信號(hào)符合第一類聯(lián)合稀疏模型，采用分布式重構(gòu)算法可以減少重構(gòu)所需的壓縮觀測(cè)值。為了降低重構(gòu)復(fù)雜度，觀測(cè)節(jié)點(diǎn)在本地用相同的觀測(cè)矩陣對(duì)原始數(shù)據(jù)壓縮，融合中心把融合與重構(gòu)結(jié)合起來，通過分組、組內(nèi)線性融合、聯(lián)合重構(gòu)、重構(gòu)結(jié)果再相加四個(gè)步驟，只需要進(jìn)行一次聯(lián)合重構(gòu)即可得到原始數(shù)據(jù)的線性融合結(jié)果。仿真結(jié)果表明：所提算法可以在不需要增加