壓縮感知的WSN數(shù)據(jù)融合研究.pdf

1、無(wú)線傳感器網(wǎng)絡(luò)(Wireless Sensor Network，WSN)是由大量廉價(jià)微型傳感器節(jié)點(diǎn)組成，通過(guò)無(wú)線通信方式形成的一個(gè)多跳的自組織網(wǎng)絡(luò)。傳感器節(jié)點(diǎn)具有體積小、成本低和精度高的優(yōu)點(diǎn)，其應(yīng)用范圍越來(lái)越廣，如環(huán)境監(jiān)控、生態(tài)監(jiān)測(cè)、醫(yī)療監(jiān)測(cè)等。然而，傳感器節(jié)點(diǎn)在存儲(chǔ)資源、計(jì)算能力、能量等方面的局限性，成為其進(jìn)一步大規(guī)模應(yīng)用的阻礙。
　　 數(shù)據(jù)融合技術(shù)(Data Aggregation)可刪除多份數(shù)據(jù)之間的冗余數(shù)據(jù)，同時(shí)融合來(lái)自

2、不同節(jié)點(diǎn)的數(shù)據(jù)，最大限度地提取被測(cè)目標(biāo)的信息量。目前，傳感器網(wǎng)絡(luò)中的數(shù)據(jù)融合技術(shù)得到了極大的關(guān)注。壓縮感知(Compressive Sensing，CS)理論作為新興的數(shù)據(jù)處理技術(shù)，為數(shù)據(jù)融合提供了新的思路。不同于傳統(tǒng)的Nyquist采樣定理，CS能夠以低速率進(jìn)行信號(hào)采樣，并行地對(duì)數(shù)據(jù)進(jìn)行適當(dāng)壓縮處理，實(shí)現(xiàn)特征級(jí)融合。將CS理論應(yīng)用到WSN中，能夠顯著降低網(wǎng)絡(luò)的數(shù)據(jù)通信量，從而達(dá)到節(jié)省能量的目的。目前CS的WSN應(yīng)用研究剛剛起步，其實(shí)際

3、應(yīng)用模型還不完善，有待進(jìn)一步探討和優(yōu)化。
　　 首先，針對(duì)目前壓縮感知的WSN應(yīng)用都局限于單個(gè)節(jié)點(diǎn)的數(shù)據(jù)處理，且未考慮節(jié)點(diǎn)之間關(guān)聯(lián)性的問(wèn)題。本文提出了一種適用于WSN的協(xié)作壓縮感知策略。根據(jù)傳感器節(jié)點(diǎn)各自的能量消耗狀態(tài)，節(jié)點(diǎn)之間以協(xié)作的方式選擇稀疏基，進(jìn)而通過(guò)冗余字典增大數(shù)據(jù)重構(gòu)的準(zhǔn)確度。該策略能夠在未知接收數(shù)據(jù)的情況下，以合適的稀疏形式表示數(shù)據(jù)，適用于應(yīng)用場(chǎng)景復(fù)雜的WSN，更利于匯聚節(jié)點(diǎn)全面地獲取源節(jié)點(diǎn)的數(shù)據(jù)，并有效地增強(qiáng)傳輸

4、過(guò)程的魯棒性，達(dá)到降低能耗的目的。
　　 然后，本文討論了WSN特征提取后的決策級(jí)融合問(wèn)題。當(dāng)WSN規(guī)模增大或應(yīng)用增多時(shí)，數(shù)據(jù)量隨之上升，數(shù)據(jù)種類(lèi)復(fù)雜。作為WSN的決策級(jí)融合，匯聚節(jié)點(diǎn)的分類(lèi)算法需要考慮如何在減少傳感器節(jié)點(diǎn)上傳數(shù)據(jù)的同時(shí)，保證算法的分類(lèi)準(zhǔn)確度和快速性。作為CS的擴(kuò)展，分布式壓縮感知(Distribution CompressiveSensing，DCS)適合應(yīng)用于具有分布式特性的無(wú)線傳感器網(wǎng)絡(luò)數(shù)據(jù)處理。由此，本文