无线传感器网络中基于空间相关性的分布式压缩感知

提出了无线传感器网络中基于空间相关性的分布式压缩感知模型和分布式压缩感知算法,利用无线传感器网络节点间感知数据的空间相关性和联合稀疏模型,结合分布式压缩感知编解码算法,以能量有效的方式对无线传感器网络的感知数据进行压缩、重构.最后,通过仿真分析了分布式压缩感知重构误差和压缩比之间的关系,以及分布式压缩感知在能量有效性方面的性能,仿真结果表明分布式压缩感知以能量有效的方式满足了无线传感器网络中事件估计的精确度要求.     

一种WSN中基于局部数据的压缩感知算法

当前,无线传感器网络的研究中最突出的是传感器节点的能耗问题.已有的无线传感器网络中的数据传输方式不仅能量浪费严重,而且网络的整体能耗不平衡,因此根据无线传感器网络所传输数据的特点,将改进后的压缩感知算法应用于其中.该过程中,压缩感知思想的应用大大减少了无线传感器网络中的数据传输次数,并保证每个节点的传输次数相同,这样不仅减小了节点能量的消耗,还维持了整个网络的能耗平衡.     

基于稀疏采样的无线多媒体传感网图像压缩算法

为解决无线多媒体传感网存在的网络能耗高、节点性能低以及存储空间小等问题,结合WMSNs的特点引入压缩感知技术,提出了一种基于傅里叶域稀疏采样的分布式多媒体传感网图像压缩算法。该算法考虑多传感器节点的协作性,实现了图像在傅里叶域上的分块自适应压缩采样与传输。通过公开图像数据集中与现有的其他分布式压缩感知算法的仿真对比实验,表明了所提算法不仅能够有效降低重构误差、提高重构图像的质量,而且能更好地适合WMSNs网络低能耗的应用要求。     

线性回归的分布式压缩采样算法

为减少无线传感器网络数据传输量,进而延长网络的生命周期,研究了一种联合线性回归和压缩感知的分布式采样方法。依据节点数据的相关性对网络进行分簇,将感知数据显著线性相关的传感器节点划分到同一簇中。以此为基础,提出了一种基于线性回归的分布式压缩采样算法,该算法联合运用线性回归和压缩感知理论重构节点数据,实现了低速率采样条件下节点数据的高精度重构。对实测温度数据进行仿真实验,结果表明,与等间隔采样相比,该算法减少了71%的采样值个数。     

基于DCS的矿山物联网微震数据重构算法研究

煤矿物联网是近几年兴起的热点研究领域。针对煤矿物联网分布式环境下微震数据量大的问题,引入分布式压缩感知理论对微震数据进行压缩以减小数据传输量。以分布式微震信号为对象,通过傅里叶变换基对其进行稀疏性分析,论证了可以用压缩感知相关理论对微震数据进行压缩处理。基于广义正交匹配追踪算法及稀疏度自适应匹配追踪算法,提出了一种改进的分布式稀疏度自适应正交匹配追踪重构算法。基于MATLAB仿真平台,用改进的算法重构稀疏测量后的分布式微震信号,仿真结果表明,该算法在减少计算量的前提下有效地恢复了原始微震信号。     

一种面向微电网中无线传感器网络的高能效压缩感知方法

针对微电网数据传输过程中无线传感器网络所面临的数据过载和传输路径单一所导致的个别节点能耗过快的问题,对传统压缩感知算法进行了改进,提出将节点能量也作为传输路径选择的判定因素并作为判定参数加入其信息熵值的计算过程中,从而避免算法由于重复选择相同的传输路径造成网络中个别节点由于能量消耗过快而停止工作的情况出现。在微电网仿真模型下对算法的数据压缩率、收敛速度、重构数据精度和网络生存时间进行了验证,仿真结果表明,在微电网无线传感器网络中应用该方法,对网络生存时间和网络收敛性等性能都有明显提升。     

交替方向块稀疏信号快速重构算法

研究模型压缩感知中的块稀疏信号重构问题.在l2/l1模型基础上,提出一种基于交替方向法的块稀疏信号重构算法.在该算法中,首先对目标函数进行变量分裂,然后利用交替方向法对各变量进行交替更新,直至满足收敛条件.仿真实验中,将该算法与块正交匹配追踪和块压缩采样匹配追踪算法进行比较,结果表明该算法能够在保持高重构精度的前提下获得更快的计算速度.     

基于多任务贝叶斯压缩感知的宽带频谱检测

针对认知无线网络中主用户信号在空频域的稀疏性,基于贝叶斯压缩感知(BCS)的信号重构通过层次化贝叶斯分析分级先验模型获得稀疏信号估计.将贝叶斯压缩感知应用于认知无线电宽带压缩频谱检测,利用多认知用户感知信号的时空相关性实现在多用户多任务传输条件下的稀疏信号重构与宽带压缩频谱检测.研究了基于期望最大化算法和相关向量机模型的多任务BCS参数估计.仿真结果表明:相比于传统单任务BCS重构方法,多任务BCS在节点能耗与网络带宽受限的条件下,通过对估计参数的合理优化,在较低压缩比区域可实现重构均方误差的快速收敛,且检测性能随着任务数的增加而提高.当感知数据相关性从25%增加到75%,且任务数一定时,所提方法的重构观测数明显下降,宽带频谱检测性能显著提高.     

基于压缩感知的外辐射源雷达目标参数估计方法

外辐射源雷达通过计算互模糊函数来估计目标的距离-多普勒信息,该方法存在弱目标被强目标高副瓣掩盖及分辨率低的问题.为此提出了一种基于压缩感知的外辐射源雷达目标参数估计方法.该方法提出了采用分布式压缩感知同步子空间追踪算法实现距离域稀疏重构,采用扩展正交匹配追踪算法实现多普勒域稀疏重构.仿真和实测数据验证表明,所提方法减少了互模糊函数副瓣的影响并提高了分辨率,同时避免了字典尺寸过大和时间复杂度过高的问题.     

WSANs中一种基于能耗自适应的多反应节点的选择算法

为减少无线传感器反应网络(WSANs)中传感节点和反应节点间数据包的传输距离及传输能耗,在分析了传感节点与多个反应节点共存模型的基础上,提出了一种分布式的跳数有限且能耗自适应的多反应节点选择算法,并给出了相应的最优解决方案的整数线性规划(ILP)描述.该算法在修改了贪婪转发路由算法的基础上,通过限定传感节点到反应节点的跳数以及重新计算从每个用于数据转发的传感节点到每个反应节点的能耗,来达到保证实时收集数据条件下降低网络总能耗及数据传输总距离的目的.仿真实验表明,该算法能够有效地实现数据收集的实时性与网络总能耗之间的平衡.图3,参8.