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.     

基于压缩感知的无线传感器网络节点定位算法

为了得到有效的、通用的定位算法,提出了两种新的定位算法——基于压缩感知的无线传感器网络节点定位算法（NLCS）及其改进算法（INLCS）.NLCS算法利用压缩感知和加权质心算法进行节点位置估计.提出了伪跳数以改进NLCS算法,提升了算法的定位性能.这两种算法解决定位问题必须满足3个条件,使其更适合于实际应用.仿真结果表明,相对于LSRC和LSVM定位算法,这两种算法有更好的定位性能.     

基于压缩感知理论的无线传感器网络数据融合算法

针对传感器节点部署稠密, 节点覆盖重叠区域较大, 导致采集数据冗余度大的问题, 利用节点收集数据的时间和空间相关性, 提出一种基于压缩感知理论的无线传感器网络(WSN)数据融合算法, 并通过仿真实验分析了其性能. 实验结果表明, 该算法不仅可以减少簇首的数据传输量, 减少了节点的平均能量消耗, 延长网络的生存时间, 而且性能明显优于对比算法.     

基于 DCT 频带能量的压缩感知重构算法

为提高压缩感知图像的重构质量,提出了一种基于离散余弦变换（ DCT ）分频带压缩感知的平滑投影 Landweber 重构算法 . 该算法充分考虑了不同的 DCT 系数频带对重构图像质量有不同的影响,对图像进行分块 DCT 后,按照频带能量大小重新组织 DCT 系数,对能量大的频带分配大的采样率,通过分频带变采样率的随机矩阵实现随机观测,采用平滑滤波器消除块效应,由投影 Landweber 算法实现图像的重构 . 实验结果表明,与 BCS-SPL和 MS-BCS-SPL 重构算法相比,文中提出的算法显著提高了重构图像的峰值信噪比 .     

无线传感器网络中基于稀疏投影的数据收集方案

考虑到现有的基于压缩感知的数据收集方法大多采用密集投影来收集节点的数据,导致数据传输代价过高、节点能耗过快缩短了网络生命周期,提出一种基于稀疏投影的数据收集方案（DGSP）。其步骤为:首先,设计一种基于最小化传输开销的稀疏投影矩阵用于节点数据采样,并利用亚高斯分布的尾部有界性证明其RIP性质;然后,以网络负载均衡和网络生命周期最大化为目标来构建数据收集树,并将树中节点的下一跳选择问题建模成半匹配问题;最后,提出改进的Hungarian算法在多项式时间内解决它。仿真结果表明:相比于目前典型的CDG,EDCA和MTT方案而言,DGSP的数据重构误差、能耗和延时等更低。     

基于视觉显著性的分块自适应压缩感知算法

针对SAR图像的压缩感知重建问题,在分块压缩感知框架的基础上,提出了基于视觉显著性的分块自适应压缩感知算法.在采样阶段,每个子块的采样率依据显著信息自适应的变化;在重建阶段,根据不同图像显著信息的差异,自适应地滤波.实验结果表明:该方法不仅重建结果的整体质量更优,视觉效果更好,而且在重建后的图像中能更好地保持边缘和目标等重要特征.     

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。     

采用压缩感知和GM(1,1)的无线传感器网络异常检测方法

针对当前无线传感器网络(WSNs)异常检测算法的检测准确率较低同时影响网络能耗均衡的问题,提出了一种基于改进压缩感知(CS)重构算法和智能优化GM(1,1)的WSNs异常检测方法。首先,通过建立双层异质WSNs异常检测模型,并采用压缩感知技术对上层观测节点收集到的下层检测节点温度测量数据进行处理,同时结合温度数据稀疏度未知特点,构造有效的稀疏矩阵和测量矩阵,并重新定义测量矩阵正交变换预处理策略,使得CS观测字典满足约束等距(RIP)条件;其次,重新定义了离散蜘蛛编码方式,蜘蛛种群不断协同进化,以获得稀疏结果中非零元素的位置信息,利用最小二乘法得到非零元素的幅度信息,实现了对未知数量检测节点数据的精确重构。在此基础上可以由蜘蛛种群迭代进化得到优化后GM(1,1)的参数序列,通过检测参数序列的相关阈值来判定节点是否发生异常。实验仿真结果表明,与OMP-IGM等异常检测方法相比,该方法的异常检测准确率提高了约7%~33%,网络能耗降低了约18%~43%。     

基于压缩感知算法的传感器网络异常事件检测

为改善传感器网络异常事件检测效果,提出一种基于压缩感知算法的传感器网络异常事件检测模型.首先采集传感器网络状态信息,并采用压缩感知算法对信息进行采样和重构,在减少传感器网络异常事件检测信息的同时,删除一些无效信息;然后从重构后的传感器网络异常事件检测信息中提取特征,组成传感器网络异常事件检测的特征向量;最后采用极限学习机建立传感器网络异常事件检测模型,并进行传感器网络异常事件检测仿真实验,分析模型的性能.实验结果表明,压缩感知算法可加快传感器网络异常事件检测速度,且传感器网络异常事件检测率高于95%,明显高于其他传感器网络异常事件检测模型.     

基于多层分块自适应压缩感知的图像编解码方法

压缩感知中,测量矩阵对图像进行单一采样率的压缩采样。传统的测量矩阵虽然能够获得比较好的重构效果,但因采样数目较多,故而资源耗费也较多。为了解决上述问题,提出了多层分块自适应编码算法(multi-layered block adaptive coding algorithm,MLBA)以及多层分块自适应压缩感知编解码方法(multi-layered block adaptive compressed sensing codec method,MLBACS)。MLBACS编解码方法基于MLBA编码算法,能够根据图像局部结构进行不同层数和大小的分块,并自适应分配采样率。仿真结果表明,在同等重构性能的前提下,相对于单一采样率下的压缩感知,MLBACS编解码方法能够不同程度地降低重构图像所需的采样数目。     

基于CMOS图像传感器的压缩感知成像算法

近年来提出的压缩感知理论将信号采样和压缩同时进行,突破了奈奎斯特采样定理的限制,为低采样高分辨率成像提供了可能.为此,提出了一种基于CMOS图像传感器的压缩感知成像算法,采用并行处理策略对CMOS图像传感器A/D转换前的模拟像素矩阵进行压缩采样,减轻了A/D转换模块的负担,大大降低了CMOS图像传感器的功耗,并且该算法实现电路简单.仿真结果表明,所提算法能快速有效地进行测量值的获取,利用TVAL3算法重构的图像主客观质量较好.     

基于压缩感知的图像自适应编码算法

利用压缩感知理论对图像进行固定采样率的压缩并重构时,由于图像各个块的稀疏程度不同,低采样率很难保证图像各块都具有较高的重构质量,而高采样率又会造成资源的浪费.为了解决上述问题,提出了一种基于压缩感知的图像自适应编码算法,该算法首先判断图像各块在DCT域的稀疏度,然后根据判断结果对图像各块进行自适应的压缩采样,从而确保图像在较低采样率下能获得较高的重构质量.实验结果表明,运用所提自适应编码算法在采样率平均值为44%时,重构图像的平均PSNR值可达到35,dB以上,并且重构图像所有块的PSNR值分布比较集中,从而使得图像具有较好的主观质量.     

无线传感器网络中一种基于地理位置信息的路由算法

无线传感器网络(WSN)能够实时监测和采集网络分布区域内的各种监测对象的信息,有着广泛的应用前景。设计有效的路由算法来降低能量损耗、延长网络的生命周期成为无线传感器网络研究的核心问题。对现有的基于簇类的路由协议中最具代表性的一种--LEACH协议进行了研究,并基于LEACH协议提出了适用于大规模网络的、基于地理位置信息的路由算法(GBCA--Geographical-Based Clustering Algorithm),但仍需进一步完善和改进。仿真实验证明了该算法的有效性。     

基于改进DV-Hop算法的无线传感器网络定位研究

在分析DV-Hop算法特点的基础上,提出了改进DV-Hop算法的无线传感器网络定位方法,通过粒子群优化算法优化每跳平均距离误差函数,经过多次迭代寻找最优解,使得未知节点与信标节点之间的跳段距离更加精确,通过三边测量法计算出的未知节点位置较精确,通过仿真实验表明：改进DV-Hop算法相比DV-Hop算法平均定位误差率低,定位效果良好.     

无线传感器网络的路由算法研究

无线传感器网络能够实时监测和采集网络分布区域内的各种监测对象信息,有着广泛的应用前景。设计有效的路由算法来提高通信连接性、降低能量损耗、延长网络的生命周期成为无线传感器网络的核心问题。本文对无线传感器网络的各种典型路由算法进行分类,分析了各类算法的特点。通过结合各类路由算法的设计特点,提出一种适合于大规模网络的路由算法的设计,但仍需进一步改进和完善。仿真证明了该算法的有效性。     

基于加权L1最小化的图像小波域压缩感知重构

压缩感知理论因为能以少量的采样精确地重构原始信号而得到广泛关注.通过在压缩感知的框架下研究小波域图像重构问题,提出了一类小波域的加权l1最小化方法.该方法不仅利用了信号稀疏性的先验信息,而且在重构模型中,通过对不同小波子带上的系数施加不同的权重,从而整合了图像小波域的结构信息,与经典的压缩感知算法相比具有更好的信号可恢复性.仿真实验结果表明,选用该方法能够以更少的采样得到同等精度的重构图像,验证了该方法的有效性.     

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。     

一种网络生长的无线传感器网络定位算法

提出了一种利用完全图进行无线传感器网络定位的分布式定位算法.仿真表明,该算法在噪声功率较小或者网络连通程度较高时,节点的定位精度更高,并且在网络的连通程度较低或者传感器节点分布不均匀时,仍然保持较好的定位精度.     

无线传感器网络节点自定位算法的研究

叙述了APIT定位算法的原理,提出了APIT算法的改进办法,并对改进算法的性能进行了评估。