基于压缩感知的无线传感网数据收集研究进展

综述了基于CS的WSN数据收集研究成果,分别从基于矩阵设计、最小化能量和减少延迟等方面进行了分类探索,分析了各类方案的技术思想和优缺点,展望了基于CS的数据收集的发展方向。     

基于压缩感知的水声传感网络通信方法

现有研究主要针对单个传感器节点发送数据的情形,传输效率不高,而多个传感器节点同时发送数据,可以提高传输效率,但存在用户数据之间的干扰.将压缩感知应用于水声传感网络中,提出一种可实现多节点同时传输数据的大容量协作通信方法,利用传感器节点数据的稀疏特性,将多个源节点数据同时传输等效为压缩感知中的测量过程,证明了多节点并发传输过程的传输特性可以满足压缩感知中的测量矩阵的约束等距性要求.目的节点通过重构算法,可以恢复多个并发传感器节点的数据.     

基于压缩感知的MIT图像重建方法

针对目前磁感应成像技术(MIT)的图像重建质量存在精度较低的问题,提出了一种基于压缩感知原MIT图像重建方法.将MIT系统电压数据的采集过程视为压缩感知的线性测量过程,通过对灵敏度矩阵进行补零拓展和行向量随机重组操作重新设计了测量矩阵;采集到的电压向量也用相同的方式处理,作为压缩感知的测量信号.然后利用压缩感知信号重构算法恢复原始信号.最后进行了仿真实验,实验结果表明,利用本方法获得的重建图像误差和相关系数比传统图像重建算法要好.由此可见,这是一种精度较高的MIT图像重建方法.     

基于压缩感知的多址接入方法研究

利用压缩感知的压缩可重构性,将其应用于多址接入中,提出1种基于压缩感知的多址接入方法,将信道矩阵作为压缩感知过程中的测量矩阵,提高了对信道的适应性.方法提高了系统发送信号的效率,与载波侦听多路访问(CSMA)多址接入方法相比,系统吞吐量有较大提高.     

基于压缩感知的图像检索方法研究

针对大尺寸图像的特征提取算法复杂度高、特征信息容易缺失的问题,利用压缩感知理论中关于少量测量值可以精确重构原始信号的特性,提出了一种基于压缩感知的图像检索方法。首先对图像进行小波变换、分块预处理;然后构造分块多项式确定性测量矩阵,并对分块图像进行压缩感知快速测量,得到少量的压缩测量值代表图像的特征;最后采用加权距离方法计算图像测量值特征的相似度,实现图像的精确检索。仿真结果表明,该方法在图像检索速度和查准率、查全率等指标上具有更高的性能,能应用于大量复杂图像的检索。     

基于压缩感知的人群密度估计方法研究

实时监测人群密度是预防群体性事件的有效手段之一。针对较高密度人群,提出一种基于压缩感知的人群密度估计方法。首先,利用离散余弦变换和随机高斯矩阵获取压缩感知测量值;然后利用主成分分析进行降维处理,得到人群密度特征;最后利用支持向量机将人群密度分为中、高、很高3类。通过某中学校门口的视频图像进行仿真实验,测试、比较、分析了该方法与经典的基于纹理方法的实时性与准确性。     

无线传感网中基于压缩感知的高效数据传输方案

传统的无线传感网技术中,数据源节点将采集到的原始数据序列直接传送给中间转发节点进行处理,因此当需采集的数据序列很长或者数据源节点的数目很多时中间转发节点需处理的数据量非常大。为此,基于近年来发展迅速的压缩感知理论,本文将压缩感知技术应用于无线传感网,提出一种新型高效的数据采集传输方案。采用系统所需存储转发寄存器的容量、节点耗能、时延来衡量无线传感网的网络性能。仿真结果表明,压缩感知理论可在近乎完美地重建信号的前提下有效地减少处理的数据量进而降低对硬件的要求并改善无线传感网网络性能。     

自适应语音压缩感知方法

针对固定正交基下语音信号稀疏化程度低、适应性差的问题,提出了一种自适应的语音稀疏化方法,并将其应用到语音压缩感知理论中.该方法首先采用线性预测系数的加权线性组合对语音信号进行线性预测,并以线性预测残差基作为信号基.然后,按照稀疏约束条件训练出稀疏表示的过完备字典,并交替应用1-范数稀疏约束的追踪和奇异值分解算法,达到字典与稀疏系数同步更新.该方法从信号特征入手,学习并提取特征或纹理信息,能较好地实现语音信号的稀疏化,提高语音压缩感知的重构性能.实验结果显示,与其他正交基方法相比,该方法的语音稀疏化程度高.语音质量的主客观评价结果显示,该方法具有良好的重构性能.     

基于αβ变换的压缩感知风电变流器电压信号压缩方法

针对风电变流器输出端三相电压数据存储中存在资源浪费、重构性能差等问题,提出了一种压缩感知风电变流器输出端信号压缩新方法。首先,将输出端三相电压信号进行αβ变换,变换后得到的两相信号转化为一维信号;然后,将传统的多频带融合思想应用于压缩感知稀疏表示中设计稀疏基;最后,选取高斯随机矩阵作为测量矩阵,正交匹配追踪算法作为重构算法,重构uα、uβ信号并作αβ反变换。实验结果表明:与直接对三相电压数据处理相比,该方法可以有效压缩三相电压数据,使得运行时间降低,重构误差减小,并且节约了数据的存储空间。     

基于压缩感知的云存储系统状态监测方法

为了解决大规模状态监测数据处理中高精度与大规模之间的矛盾,利用压缩感知处理宽带信号优于奈奎斯特采样定律的特性,提出了一种适合于测量云存储系统状态的压缩感知状态监测方法 SDCS.该方法是在经典匹配追踪MP算法的基础上,增加贝努利矩阵行和为零的约束条件而得到的,可用于测量含直流分量的稀疏信号,并保证原始的重构算法依然满足改进后的目标函数.然后,利用仿真实验测评了该方法在蚁群文件系统FFS状态监控中的应用效果.实验测试结果表明,针对稀疏度为10的状态信息,当测量次数大于70时,所有异常结点可被精确定位,且压缩比率达到3.5%,说明该方法能有效压缩监测流量,满足大规模数据高精度检测的要求.     

基于压缩感知的时域抗射频干扰方法

射频干扰是高频地波雷达中一种不可避免的干扰,在海态探测应用中,会对海洋回波信息的提取造成极大困难。基于射频干扰在原始时域数据上的短时性特征,提出了基于压缩感知的时域抗射频干扰方法。该方法利用少量的无干扰采样数据即可对干扰数据段的海洋回波进行估计,以完成射频干扰抑制。经过仿真和实测数据的检验,射频干扰被完全抑制且海洋回波保持完好,表明该方法对射频干扰有良好的抑制效果。     

基于压缩感知的语音压缩与重构

基于语音信号在离散余弦基下的近似稀疏性,对语音信号采用压缩感知技术进行压缩和重构,研究了分析窗长固定时重构误差与观测点数的关系, 针对低压缩比下重构信号"noisy"的特性,提出对重构信号进行小波去噪联合低通滤波的方法以改善重构语音的质量,并研究了低压缩比下分析窗长对重构信号质量的影响.仿真结果表明低压缩比下,合理选取分析窗长,并采用小波去噪联合低通滤波的处理方法可以明显改善重构语音的质量.     

改进的压缩感知重构方法

为了在稀疏度未知的情况下重构信号,并且解决SAMP框架下的步长选择难题,提出一种新的稀疏度估计方式,以及一种新的压缩感知重构算法——步长自适应匹配追踪算法。该算法通过新的方式估计稀疏度,采用估计出的稀疏度作为初始步长,重构信号间能量差作为改变步长的方法,使得信号能在稀疏度未知的条件下,自适应的重构信号。实验结果表明,本算法能够较好地重构信号,保证重构质量的同时提高重构速度。     

基于Markov逻辑网的句子压缩方法

提出了一种基于Markov逻辑网通过删除单词进行英文句子压缩的方法。通过一阶逻辑公式表示单词的局部特征以及单词之间的相互依赖关系,确定单词是否应该删除。与现有方法相比,该方法把判别式学习和整数规划的优点相结合,既融合了丰富的句子特征,又以逻辑公式方便地表示全局约束。在书面和口语两个新闻数据集上的实验结果表明:该方法与L3和SVTL系统相比具有明显优势,在压缩率接近时,以人工压缩结果为评测标准,压缩后句子的依存关系F-score有较大提高。     

基于压缩感知的核磁共振图像重建的Bregman方法

由于一些器官的边界信息在大多数核磁共振图像中都是稀疏的,所以利用压缩感知从数量非常有限的观测数据集合中重构同样的核磁共振图像并且大大减少核磁共振图像的扫描磨损成为可能。然而,为了能够做到这一点,我们必须要解决定义在大量数据集合上的非光滑函数的最小化这一困难问题。为了解决这一问题,我们给出了一个有效算法,它克服以往求解l1问题的计算复杂性,提出β范数近似逼近l1范数的思想,由于β范数具有光滑性,可采用Bregman迭代正则化方法进行求解。数值实验证明,核磁共振图像可以从全部数据的40%抽样中几乎精确重构。     

基于结构化压缩感知方法的管道检测应用研究

根据压缩感知(CS)理论及管道泄漏信号特征,提出管道泄漏信号结构化测量矩阵部分重构(SRMPR)的压缩采样和检测定位方法。该方法以远低于Nyquist采样率对管道泄漏信号同步实现压缩采样,并在部分重构过程中实现泄漏检测定位。与传统相关定位法的仿真实验比较的结果表明,当信号长度为4096时,SRMPR方法比传统相关定位方法精确度提高0.34%;当压缩采样比为5%时,重构信噪比达到30.44dB。本文所提方法能够重构管道泄漏信号重要特征,具有可行性和有效性,可以满足管道泄漏信号实时检测定位的需求。     

基于ATmega128的连续信号压缩感知实现方法

为了解决硬件对高频模拟信号采集困难的问题,根据连续信号可以在特定的频域有稀疏的特性,在采样节点,根据伯努利观测矩阵分布特点设计采样间隔,利用压缩采样方法采集数据,降低收发芯片CC1000所需发送的数据量,从而降低传感器节点在通信传输时所损耗的能量,延长节点的使用时间;在汇聚节点使用压缩采样匹配追踪算法(Compressive Sampling Matching Pursuit, CoSaMP)对接收到的稀疏数据进行重构,将重构的数据通过串口助手导出到终端,使用Matlab软件绘图分析,验证压缩感知实现方法的可行性。实验结果表明：该方法能够很好的在ATmega128芯片上实现压缩观测。在压缩率达到68%时,通过分析计算原始信号波形和重构信号波形,二者具有99.30%的相似度,显然将压缩感知理论可应用到局域网中,能减少网络传输的数据量,降低网络传输的能耗。     

一种基于贝叶斯压缩感知的图像修复方法

图像修复是利用图像中已知区域信息对破损区域进行信息填充,以弥补信息的损失.传统的修复方法依赖图像的结构来确定,使图像达到人眼主观可以接受的程度.基于贝叶斯压缩感知的图像修复方法首先对受损图像进行稀疏变换,利用贝叶斯压缩感知得到稀疏系数的后验分布函数,求得分布函数的均值和方差,将均值作为图像的稀疏系数的估计,方差作为噪声的估计.仿真结果验证了该方法可以提高图像的修复质量.