資源描述：
《無線傳感器網(wǎng)絡(luò)的數(shù)據(jù)壓縮感知算法研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、無線傳感器網(wǎng)絡(luò)的數(shù)據(jù)壓縮感知算法研究重慶大學(xué)碩士學(xué)位論文（學(xué)術(shù)學(xué)位）學(xué)生姓名：張倩指導(dǎo)教師：劉國金副教授專業(yè)：信號與信息處理學(xué)科門類：工學(xué)重慶大學(xué)通信工程學(xué)院二O一三年四月ResearchonAlgorithmofCompressedSensinginWirelessSensorNetworksAThesisSubmittedtoChongqingUniversityinPartialFulfillmentoftheRequirementfortheMaster’sDegreeofEngineering
2、ByQianZhangSupervisedbyAssociateProf.GuojinLiuSpecialty:SignalandInformationProcessingCollegeofCommunicationEngineeringofChongqingUniversity,Chongqing,ChinaApril2013重慶大學(xué)碩士學(xué)位論文中文摘要摘要無線傳感器網(wǎng)絡(luò)由大量具有計算和通信能力的傳感器節(jié)點組成，能夠自主實現(xiàn)數(shù)據(jù)的采集和傳輸，已被較多地應(yīng)用于監(jiān)測領(lǐng)域。壓縮感知理論突破傳統(tǒng)信號處理中奈奎
3、斯特采樣定理的限制，在采樣的同時進行壓縮，減少冗余，有效解決無線傳感器網(wǎng)絡(luò)資源受限下的信息獲取與傳輸瓶頸問題。其采用稀疏表示對傳感信號的重要信息進行提取，利用測量矩陣對稀疏信號進行降維，在計算能力較強的終端對信號進行還原，可以顯著提高無線傳感器網(wǎng)絡(luò)的性能，延長網(wǎng)絡(luò)壽命。研究將壓縮感知理論應(yīng)用到環(huán)境惡劣的火山監(jiān)測網(wǎng)中，依靠部署在火山周圍的大量無線傳感器對其采集的數(shù)據(jù)進行監(jiān)測和管理。由于無線傳感器節(jié)點能量有限、計算能力弱以及監(jiān)測系統(tǒng)對于整體算法嚴格的要求，數(shù)據(jù)采集處理過程中出現(xiàn)的傳感器存儲溢出和計算耗時過長
4、等問題亟待解決。針對隨機高斯矩陣的存貯空間大的缺點，研究了適用于資源受限的隨機矩陣構(gòu)造方法，提出了稀疏二維矩陣和稀疏隨機矩陣的改進方法，構(gòu)造過程更簡便速度更快，將壓縮感知的大量的矩陣乘法運算轉(zhuǎn)化為加法運算，顯著地降低了系統(tǒng)的時間和空間復(fù)雜度，在矩陣的生成速度和所需存儲量方面都優(yōu)于其它測量矩陣，并對其限制等距特性進行驗證。仿真以及實際測試結(jié)果表明改進的測量矩陣可以滿足一般無線傳感器節(jié)點較小的內(nèi)存。同時，對壓縮感知的還原算法進行改進，提出了一種基于小波樹模型的還原算法與硬閾迭代融合，從理論上證明了算法的收斂
5、性。仿真表明：與多種現(xiàn)今流行的重構(gòu)算法進行比較，改進的算法解決了后端還原處理誤差較大的問題，擁有更好的魯棒性。將上述理論應(yīng)用于分布式無線傳感器網(wǎng)絡(luò)中，利用無線傳感器網(wǎng)絡(luò)鄰近傳感器節(jié)點的相關(guān)性，提出一種基于改進的測量矩陣和還原算法的聯(lián)合稀疏模型。通過仿真實驗驗證其可行性，并進行聯(lián)合重構(gòu)與單獨重構(gòu)的對比以及多種算法在聯(lián)合稀疏模型中的應(yīng)用比較，結(jié)果表明：與單個節(jié)點進行壓縮感知相比，基于分布式壓縮感知的聯(lián)合稀疏模型有著更小的重建誤差，并能在測量值很少時實現(xiàn)高精度的信號重構(gòu)。關(guān)鍵詞：壓縮感知，無線傳感器網(wǎng)絡(luò)，測量
6、矩陣，模型化還原算法，分布式壓縮感知I重慶大學(xué)碩士學(xué)位論文英文摘要ABSTRACTWirelesssensornetwork(WSN)consistsofalargenumberofsensornodeswithlimitedcomputingandcommunicationcapacity,whichhasbeenmainlyappliedinthefieldofmonitoringfordataacquisitionandtransmission.Compressedsensing(CS)theor
7、ybreaksthroughtheNyquistsamplingintraditionalsignalprocessingandcompressionandsamplingwillbedonesimultaneously,soredundancyreducedatthesametime.Itiseffectivetoaddressthebottleneckproblemsofinformationacquisitionandtransmissionunderthelimitedenergyresourc
8、esofWSN.CSextractsimportantinformationofmeasurementsbasedonsparserepresentation,usingthemeasurementmatrixfordimensionreduction.Finally,originalsignalwillberestoredontheterminalwithstrongcapabilityofcomputing.Itisremarkable
