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%。     

基于压缩感知的智能电表数据的压缩与重构

为了解决有限带宽电力线通信链路传输大量的智能电表数据时产生的时延或准确性问题。使用了压缩感知方法对智能电表数据进行压缩与重构。首先智能电表数据通过测量矩阵压缩成测量值,然后再通过电力线通信链路进行传输,最后在控制中心使用合适的重构算法恢复智能电表数据。仿真结果表明了所提的方法能大幅减少传输数据的维度。     

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.     

基于贝叶斯方法的异常感知检测

本文通过叙述负类的边缘核密度的构造过程,详细讨论了基于贝叶斯学习的支持向量机分类器的异常感知,描述了贝叶斯方法的异常感知检测,阐述了机器学习对于预兆与健康管理(PHM)的作用,并对以贝叶斯方法为代表的相关学习进行了一定的研究。     

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.     

基于一种改进的压缩感知重构算法的分析与比较

主要结合稀疏自适应匹配追踪算法和梯度追踪算法的各自优点,在该两种算法的基础上提出了一种新的信号重构算法,并通过实验仿真分析了新算法在信号重构过程中的优越性。     

基于压缩感知的多声道信号重构与改进

多声道环绕声技术的发展和应用对音频信号的存储、传输和处理提出了新的要求.为了在显著降低音频数据量的同时保障多声道环绕声的质量,将多声道音频技术与压缩感知技术(CS)相结合,分别提出二维和一维两种CS重构方案来对多声道音频数据进行采样和重构.此外,针对低CS采样率的情况,提出了一种可以改进CS重构信号质量的新算法.实验结果表明,新算法不仅能显著提高音频信号的重构质量还能大大缩短重构时间,尤其在低采样率时提升显著.     

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.     

压缩感知理论及重建方法

随着科技的发展,呈爆炸式增长的现代数据给数据的采集、传输和储存产生了巨大的压力和浪费.压缩感知理论(Compressed Sensing,CS)的提出有效缓解了以上压力.本文在介绍CS理论框架的基础上阐述其重构算法的分类和发展,着重介绍了稀疏重建模型和低秩重建模型对应的重建算法及各算法的特点.     

基于荧光传感方法的藻类在线监测

 湖泊水库严重的水质富营养化导致水华大面积暴发,已成为目前主要环境问题之一。实现水华暴发前后浮游藻类种群结构变化过程（主要包括浮游藻类种群组成、数量变化过程）的有效监测是分析水华发生的生态学机制、掌握水华的生消过程和实现水华预警的基础。本文基于藻类活体荧光光谱技术、嵌入式微控制技术和实时采集与处理技术,研发出具有实时在线监测能力的藻类在线荧光仪,可实现不同光谱组藻类（蓝藻、绿藻和褐藻）的分类测量。通过对比实验分析发现,藻类在线荧光仪对蓝藻、绿藻和褐藻的分类测量误差均小于17.88%。同时,巢湖外场实验表明藻类在线荧光仪具有长期稳定的运行能力。具有以上指标的藻类在线荧光仪在水环境监测、水华监测预警和水质富营养化现状评估等领域具有广阔的应用前景。     

矿山遥感监测成果数据报表自动生成方法

为解决矿山遥感监测成果数据报表的自动生成问题,通过分析报表源数据特点和生成工作流程,提出依据模板自动生成成果数据报表的方法。基于NPOI(net poor obfuscation implementation)组件式开发技术,结合AE(ArcGIS engine)二次开发,建立报表映射模型,设计并实现了矿山遥感监测成果数据报表自动生成方法,解决了对Excel数据的读取操作等问题。结果表明:该方法降低了工作人员的工作强度与工作量,提高了报表生成的工作效率,保证了数据的准确性与报表间的关联性。可见该方法解决了在报表生成工作中遇到问题,提高了报表编制的工作效率。     

OFDM系统中一种双选择性稀疏信道压缩感知方法

针对OFDM系统,提出了一种基于压缩感知（CS）的双选择性稀疏信道估计新方法.为解决传统二维插值算法无法准确估计双选择性稀疏信道的问题,通过利用信道在时频域的稀疏特性,将OFDM系统下的双选择性信道模型转化为CS可解的BPIC数学模型,并最终利用基追踪算法对稀疏信道的脉冲冲激响应实现估计.仿真结果显示,新方法能有效减少导频数,提高频谱利用率;在传统的FFT-Linear和FFT-FFT二维联合插值算法无法正确估计出信道响应时,基追踪算法仍能实现对稀疏信道的精确估计.     

一种基于压缩感知理论的LCTF光谱超分辨方法

液晶可调谐滤光片（LCTF）因其在宽谱段上具有简单、高效的调谐滤光功能常作为微型光谱仪应用在多种测量领域.然而,滤光式光谱仪的光谱分辨能力受限于其系统的带宽,进行高分辨测量时的硬件成本和测量数据量都较大.将压缩感知理论引入LCTF的光谱测量中,通过将LCTF获取的测量数据与其对应的调谐波长处的透过率函数进行关联计算,得到光谱分辨率优于系统带宽的目标光谱曲线.分析表明,本文模型下的压缩感知测量矩阵具有良好的非相关性,同时对地物光谱进行的压缩感知重构结果表明,在仅进行32次测量的条件下,本文方法得到了珍珠石目标的128波段的光谱曲线,能分辨出传统方法不能分辨的光谱细节,且反射率的平均误差仅有0.75%,同时对噪声具有一定的抵抗性.      

主元分析及数据重构在过程监控中的应用

利用主元分析方法，通过矩阵运算、降低维数以提取过程变量的主要特征，实现对工艺数据的压缩，既可解决过程变量间的相关问题，同时还有清除测量噪声的效果．化工吸附分离过程监控的应用实例表明，主要过程变量可由15个缩减为6个，累积解释程度为98%．     

不动点方法及其在压缩感知核磁共振成像中的应用

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出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，我们应用了在BB-step和线性搜索下的不动点算法，来快速重构核磁共振图像。数值实验证明，核磁共振图像可以由不动点算法从全部数据的40%-50%抽样中几乎精确重构。     

锂电池异常状态监测的FEKF方法研究

为了保障锂离子电池的使用安全,提出了基于带渐消因子的扩展卡尔曼滤波（Fading Extended Kalman Filter,FEKF）的电池状态在线监测方法. 建立锂电池一阶等效电路模型,利用递推最小二乘法进行锂电池状态参数在线辨识,建立状态方程;引入最优渐消因子,构造FEKF,得到端电压残差;使用端电压残差序列构造χ2分布的诊断函数,计算误检率与状态参数异常阈值. 实验结果显示利用FEKF生成的残差能更早对异常状态进行告警,证明FEKF能够显著提高χ2检验对锂电池内部缓变型异常状态判断的准确率.     

压缩感知图像的块子带自适应稀疏表示规则化重构

针对自然图像信号的非平稳特性和不同图像块的变换域系数的分布差异较大, 基于分块图像子带自适应 稀疏表示规则化,提出了一种新的压缩感知图像重构方法．先利用非局部相似块组估计每个分块图像变换域各子 带系数的均值和标准差,再将图像块各子带系数进行去均值并关于标准差归一化, 最后将去均值归一化处理的子 带系数的l₁范数表示用于规则化压缩感知重构．由于块子带自适应稀疏表示更加合理地表达了稀疏系数的重要 性,使得重构图像能够更好地保留纹理、边缘等细节信息．大量的实验结果表明: 相比组稀疏表示的压缩感知重构 算法,该方法重构图像的峰值信噪比平均提高了0.69 dB．     

巨量数据流实时处理的新方法

在处理资源有限的情况下,传统的DBMS系统不能实时有效地处理和查询连续的和数量巨大的数据流,而DSMS作为解决此类问题的新方法得到广泛的研究。DBMS通过引入新算子和新的查询模型,提高了数据处理和查询的效率。首先介绍了DSMS的概念,分析了DSMS系统的原理与结构,然后对具有代表性的DSMS实例进行了介绍和比较。