基于小波树模型的CoSaMP压缩感知算法

无线传感网络存在网络带宽限制和传感器节点的能耗问题,实际应用中通常希望可以通过重构算法从采集的少量数据中还原出原始信息,压缩感知理论为上述问题提供了一个解决思路。利用压缩感知理论,对无线传感器网络中温度传感器的监测信号进行了压缩感知的应用研究。针对传统压缩采样匹配追踪(CoSaMP)算法中测量次数多、重构精度低等问题,利用信号的小波系数所形成的连通树的结构特性,提出了基于小波树模型的压缩采样匹配追踪算法。将该算法应用到无线传感器网络监测信号的压缩感知仿真实验中,与传统压缩采样匹配追踪算法的重构性能进行比较,结果表明该算法较传统压缩采样匹配追踪算法在一定范围内对无线传感器网络中的温度信号具有更好的压缩感知性能。     

多稀疏基分簇压缩感知的WSN数据融合方法

针对传感器节点采集数据精度与能量消耗的矛盾,提出多稀疏基分簇压缩感知的无线传感器网络WSN（Wireless Sensor Network）数据融合方法。该方法利用改进的阈值对随机部署的传感器节点进行簇首选择继而形成最优簇,簇首采用伯努利随机观测矩阵对簇内节点信号进行线性压缩投影,然后将压缩的信息传送给汇聚节点,减少数据传输即降低通信能耗,从而提高网络的生命周期。根据传感器节点监测信号在有限差分和小波中都具有可压缩特性,汇聚节点在有限差分和小波两个稀疏基的约束下,利用OOMP算法分别对线形压缩投影信息进行重构;并采用最小二乘法融合重构信号,提高数据精度。仿真实验结果表明,多稀疏基分簇压缩感知的WSN数据融合方法在减少数据发送的情况下,能提高整个网络的生命周期,解决采集数据精度与网络生命周期的矛盾。     

WSN中基于压缩感知的分簇数据收集算法

为减少无线传感器网络的数据通信量和能量消耗,基于WSN节点数据时空相关性的特性,提出一种将K-means均衡分簇和CS理论相结合的数据收集方法。首先,通过K-means聚类算法均匀划分网络成簇。然后,各簇首对采集到的数据进行基于时空相关性的压缩感知并传输至基站Sink节点。最后,Sink节点采用OMP算法对收集到的数据进行精准重构。仿真结果表明,该算法有效减少了无线传感器网络的数据通信量和压缩感知算法重构过程所需要的观测量。     

基于压缩感知的无线传感器网络数据融合算法

无线传感器网络中存在大量的数据冗余,数据融合技术通过对采样数据进行压缩,消除冗余,有效的减少了节点发送的数据量,延长传感器网络的寿命．提出了压缩感知与数据转发相结合的数据融合算法,在网络采样数据收集的过程中根据节点的子节点个数选择利用压缩感知对数据进行压缩还是直接对数据进行数据转发．仿真结果表明,和基于压缩感知的数据融合算法相比,数据转发与压缩感知相结合的数据融合算法,有效地在平衡节点间负载的同时减少节点的发送量．     

基于压缩感知的链型无线传感器网络节能数据收集

无线传感器网络(WSNs)中节点受体积、功率、成本等限制而导致了节点能量、生命周期有限的问题.提出一种基于压缩感知算法的无线传感器网络节能优化方法,并结合无线传感器网络中的链型拓扑网络模型,给出基于压缩感知理论的节能网络数据传输模型.通过理论分析比较表明压缩感知方法在节能方面的优越性,然后在得出的网络能耗模型的基础上进行仿真.仿真结果表明:压缩感知方法有效减少了网络能耗.     

一种基于模式匹配与相关性分析的事件检测算法

针对无线传感器网络中传统事件检测算法所存在的网络传输量大和能耗高的问题,提出了一种基于模式匹配与相关性分析的复杂事件检测算法.根据复杂事件的特点,算法将事件检测分为单个节点处的特征检测和多个节点之间相关性分析两部分:在单个节点进行特征提取和模式匹配;多节点间通过对数据进行变换压缩和相关性分析来减少网络传输量从而降低能耗.实验表明,提出的复杂事件检测算法能够有效地减少能量消耗.     

基于压缩感知和双簇头交替的WSNs路由算法

提出了一种基于压缩感知和双簇头交替的无线传感器网络分层路由算法CS-DC HA(Compressed Sensing-Double Cluster Head Alternation)。该算法对DCHS(Deterministic Cluster-head Selection)算法进行改进,利用压缩感知理论优化稀疏采样过程;采用双簇头交替方法进行路由选择,进而实现减低能耗;同时以贝叶斯算法进行稀疏信号重构。通过实验可以看出,相比于传统的无线传感器监测网络,CS-DCHA算法保证了在一定的信号重构精度条件下,能降低无线传感器网络的能耗并延长其生存时间。     

WSNs自适应DCS目标跟踪算法

无线传感器网络中传感器节点相互协同完成感知任务,以传感器量测的信息效用和获取量测的能量消耗来折中地选择参与的节点。针对IDSQ和DCS算法仅在节点协同环节极小化能耗的问题,提出自适应DCS算法(ADCS),以用户设定的精度阈值为约束,根据当前性能指标自适应降低节点采样频率,在数据采集阶段对节点进行有效控制,从根源上实现了极小化网络能耗的目的。仿真结果表明:ADCS在满足用户精度需求的前提下,大幅度减少了网络能耗。     

一种压缩感知的异构传感网络分簇路由算法

分簇路由算法对用于事件监测的无线传感器网络具有较好的节能性,压缩算法可以降低节点传输的数据量,但增加了分簇簇首的计算能耗和汇聚中心的时间复杂度,而由高端节点担任簇首可以实现能量均衡并提升服务性能.设计了一种适应多级能量异构网络的压缩感知算法,簇首当选的概率由异构节点的剩余能量大小确定,簇首负责收集簇内成员节点的数据,进行稀疏、压缩,减少传输的数据量,簇间路由采用多跳最小的代价函数传输,而汇聚中心通过重构算法将少量信息解码得出原始数据.仿真结果表明,该算法能有效解码目标源,减少死亡节点数量,并且能均衡异构节点的能耗.     

基于压缩感知的无线阵列及协同信号处理

传感器阵列信号处理是目标监测重要手段之一,传感器节点向后端数据融合中心发送原始信号不可避免地导致传输延时大、能耗高等问题.为实现低功耗、高精度、灵活部署的目标监测,提出了基于压缩采样的无线阵列.借助新兴的压缩感知理论,解决低功耗低速率无线通信难以满足阵列原始信号的实时传输的问题,并保证阵列测向性能;同时根据相邻节点信号的相关性,设计了基于模型先验知识的信号协同重构算法,以较低的运算负荷完成信号的重构.仿真表明基于压缩感知的无线阵列能实现有效的目标测向,同时在数据量严重受限时性能明显优于传统方法.最后,通过简易实验验证了该方法在低成本平台上的可行性.     

无线体域网节点数据压缩节能方法

无线体域网(WBAN)节点通常采用电池供电,能量有限且不易频繁更换.为降低节点能耗,提出了一种数据压缩节能方法,采用稀疏表示分类算法识别正常信号,运用压缩感知(CS)理论进行信号压缩采样,将压缩信号发送至基站并进行重构.对WBAN节点采集的心电图信号进行仿真分析,结果表明:心电图信号经压缩后,具有较好的识别与重构性能,在确保数据传输精度前提下,减少了数据采集量和传输量,有效地降低了WBAN节点能耗.     

Energy-aware scheduling for information fusion in wireless sensor network surveillance

Effective energy control while maintaining reliable monitoring performance becomes a key issue in wireless sensor networks (WSNs) based surveillance applications. While importance difference of surveillance zone, limited energy and dynamic network topology pose great challenges to surveillance performance. It is necessary to adjust sensor nodes' awakening frequency dynamically for information fusion. Thus an energy-aware scheduling with quality guarantee method named ESQG is proposed in this paper which considers sensor nodes' residual energy, different importance degrees of the surveillance zone and network topology comprehensively. It first uses a Voronoi diagram to determine the effective scope of each sensor node and then calculates node importance according to its residual energy and the importance degree of the effective scope. Then ESQG utilizes the importance of individual sensing scope and current forwarding costs to further compute node importance and awakening frequency for information fusion. In this way, ESQG can dynamically adapts each nodes awakening frequency to its dynamic network topology and importance degree of each individual sensing scope. The nodes are then turned on stochasticlly via the node awakening probability and node importance based information fusion is conducted for target detection. Besides, an adaptive process of perception factor C is proposed to match actual situation, and automatically change according to the detected data. Experiments results demonstrate that the proposed method ESQG can reduce the number of awakening nodes to a large extent while maintaining high reliability via information fusion.     

基于数据预处理的无线气象传感网数据重构模型

针对无线气象传感网内由于节点数量大、感知数据冗余度高而导致节点通信耗能过高的问题,提出了数据联合稀疏预处理模型,利用监测区域气象要素预报值和各簇头要素值计算出一个全网公共分量并对网内数据进行预处理。将分布式压缩感知应用于簇型传感网中,对各节点感知数据进行压缩观测,在汇聚节点进行数据重构,从根本上降低节点通信量,均衡负载;同时设计了一个基于公共分量异常数据稀疏方法。仿真实验中,相对于单独使用压缩感知,数据联合稀疏预处理模型能够有效利用数据时空相关性提高数据稀疏度,压缩性能提高了25%,重构性能提高46%;同时,异常数据处理方案能够以96%的高概率恢复异常数据。因此,该数据预处理模型能够提高数据重构效率,有效降低网内数据通信量,延长网络寿命。     

基于数据价值的无人机数据收集方法

数据收集是无线监测网络的关键环节.利用无人机进行数据收集,其本质是通过无人机的移动代替网络中的转发节点,减少数据从源节点到基站的转发次数,有效节约监测网络能量,从而成为未来发展的趋势.现有研究关注如何利用无人机有限的能量获得更多的数据,缺乏对获取数据的价值评估,从而导致无人机数据收集能效比不高.如何利用无人机最少的能量付出在监测区域获取最大的数据价值,其难点在于数据价值是针对不同应用的主观评价,而不同节点获取的数据价值如何比较,目前缺乏统一的标准.我们发现,数据相似节点的数据价值存在相似性.在此基础上,我们提出了一种数据收集方法OnValueGet,利用关键性代表节点的数据,最大程度的近似代表整个监测区域的数据,从而在能量约束下获得最大数据价值.其核心思想在于：从分析感知数据的时空相似性入手,确定数据价值较高的感知节点,本文称为数据关键节点,在应用的误差范围内,它们采集的数据可以近似表示全部网络感知节点采集的数据.无人机以数据关键节点为数据采集的核心目标,在能量有限的情况下,根据遇到的障碍物和节点感知到数据的异常与否,动态的规划数据收集路线,从而使收集到的数据具有最大价值,显著提升数据收集的能效比.     

网络能耗最小化的射频能量源布置与发射功率设置

射频能量捕获是应对无线网络节点能量受限的有效方法之一.射频能量源（energy source,简称ES）的布置位置和发送功率决定了各个节点的能量捕获功率.现有的研究工作大部分考虑的是没有给定侯选位置的场景.然而,在实际应用场景中,网络区域往往存在很多不可布置能量源的区域,使得能量源只能在一些合理的候选位置中布置.目前仅有少量相关工作研究如何在ES的候选布置位置中选择合适布置位置.已知节点位置、节点的能量捕获功率需求值、ES的个数以及ES的候选布置位置.研究并设计了最小化ES总供能的ES布置与发送功率设置方案.首先将该问题建模为混合整数规划问题;然后分别提出了一种具有较低复杂度的启发式算法和一种能够达到更小总供能的基于遗传算法的算法.仿真结果表明,与布置位置随机挑选法相比,这两种算法的网络总功耗降低了约90%,而遗传算法可达到比启发式算法高约35%的节能效果.因此,基于遗传算法的布置算法可用于中小规模的ES布置场景,而启发式算法可用于大规模的ES布置场景.     

无线传感器网络LEACH协议能耗的改进

LEACH （Low Energy Adaptive Clustering Hierarchy）路由协议存在许多不足,比如簇头选择的随机性太强,没有考虑簇头的剩余能量等等.以上不足会增加网络能耗和减少网络寿命.本文在LEACH协议的基础上做了改进,提出了新的协议LEACH-CR （Low Energy Adaptive Clustering Hierarchy-Consumption Reduction）.LEACH-CR协议考虑了簇头的数量、分布、剩余能量以及与基站的距离等因素.MATLAB工具仿真的结果表明改进后的协议有效的提高了网络的寿命.     

动态无线传感网中低延迟高可靠的数据查询机制

查询处理作为大规模无线传感器网络中智能服务的一个重要操作,可以根据用户需求对网络中的感知数据进行检索和回传.然而,部署在恶劣环境中的无线传感网络,节点容易遭受外力破坏,或者自身资源(能量、存储等)有限,可能会导致节点发生位移和故障,从而造成网络拓扑不断改变以及部分节点的感知数据失效.同时,由于节点感知数据容量大、传输带宽有限以及网络链路不可靠等情况,可能会造成网络通信时延大大增加.这些因素使得快速、可靠的数据查询处理成为无线传感网中一个难题.为了解决这个难题,提出一种动态网络中低延迟高可靠的数据查询机制.该机制是一种非聚合随机查询方式,通过将传感节点划分为源节点和查询节点来实现数据查询.首先,根据监测事件将网络划分为若干个子区域,每个子区域中的源节点相互协作,并按照时间顺序依次轮流监听该区域的事件信息;接着,源节点根据预估的平均节点故障概率,计算出一个合理的备份数量,并将源数据按照该数量存储到邻居节点中,以降低源数据的失效概率;然后,为了加快数据查询速度,源节点定期对源数据块进行编码压缩,并选取剩余能量和存储空间较小的多个邻居节点作为下一跳接收节点.这些接收节点基于局部区域中节点个数大小,决定是否接收存储该报文.重复上述过程,直至压缩数据均匀地分布在网络中.另一方面,查询节点接收到查询请求时,也使用负载均衡多路分发方式将查询请求传输到部分节点上.为了避免目标数据的冗余回传,当查询请求成功查询到目标数据时,目标节点先修改访问位,再选取与查询节点距离最近的邻居节点作为下一跳接收节点,迭代执行上述操作,直到用户获得所需要的事件信息.在以上过程中,为了节省节点能量,在保证高成功查询率的条件下,建立通信能耗最小化的优化模型,计算出最优的压缩数据副本数和查询消息副本数,之后,源节点和查询节点分别按照该数量进行副本数据分发.最后,理论分析和实验结果表明,与其它四种查询算法相比,提出的查询机制具有更高的查询成功率、更低的通信能耗和通信时延.     

基于虚拟积分激励的内容部署方法

移动自组织网络是个多跳无线网络,依靠节点间的合作和转发增强网络的性能,若将内容部署在网络中适合的位置可以极大地减少节点获取数据的成本,提高网络的性能. 由于节点是理性的,在没有利益驱动的情况下,节点难以与其他节点合作进行内容部署. 本文将虚拟积分激励的方法用于此类内容部署问题中,激励节点相互合作进行内容部署工作,从而提高网络性能和降低网络成本. 实验结果表明,本文的激励方法可以有效地减少内容部署成本.     

基于块稀疏贝叶斯学习的体域网心电压缩采样

为有效提高体域网的实时性和降低体域网的功耗,提出一种基于块稀疏贝叶斯学习的体域网心电压缩采样方法。该方法在体域网框架下,利用压缩采样理论,在体域网的传感节点利用二进制随机观测矩阵对心电信号进行压缩采样,远程监护中心获得采样值之后,利用块稀疏贝叶斯学习重构算法和离散余弦稀疏变换矩阵对心电信号进行重构。实验结果表明,当心电信号压缩率在70%~90%时,基于块稀疏贝叶斯学习的重构算法要比其他重构算法的重构信噪比高出3 dB~21 dB。该方法能有效减少数据采样,减轻后续的数据存储、数据传输压力,提高体域网的实时性。同时该方法具有功耗低,易于硬件实现的优点。