视觉传感网中基于二次规划的图像压缩感知

为降低视觉传感网络中图像压缩感知算法的计算复杂度,提出一种基于二次规划的网络图像恢复算法。该算法将压缩感知重构中的欠定线性方程组求解问题,转化为有界约束二次规划问题,在此基础上结合阿米霍步长准则,设计一种压缩感知图像恢复算法,通过求解二次规划问题对网络图像数据进行恢复。理论分析和仿真结果表明,与传统图像压缩感知算法相比,该算法可减少约1/3的图像数据恢复运算时间,且图像重构质量提高3 dB~6 dB,有效提高了视觉传感器网络图像恢复算法的实时性。     

改进压缩感知算法的WSN数据恢复方法

针对WSN数据恢复成本比例较高的问题,提出一种利用改进压缩感知算法和单位圆盘图模型的WSN数据恢复方法。利用改进压缩感知算法恢复部分丢失数据的节点;将这些已恢复的节点数据当作已知,联合原有的正常节点,基于不同的网络拓扑,使用数据骡子进行剩余丢失数据的恢复;在改进压缩感知算法的支撑下,通过二次规划实现数据重构,采用一组具有先进移动能力的移动传感器来访问失效传感器的邻居节点,重新获取丢失数据。利用NS2仿真软件进行实验,仿真结果表明,相比其它几种较新算法,提出算法完成数据恢复所用成本更低。     

基于分类的分布式压缩感知算法

在无线传感器网络中,压缩感知是一种新兴的数据融合方法,能利用少量数据采样进行数据恢复。由于具有较好的节省能耗的性质,压缩感知受到研究人员越来越多的关注。然而,传统的应用于无线传感器网络中压缩感知方法是在汇聚节点得到所有节点的加权和,然后利用重构算法对整个网络中各节点的数据进行恢复,并没有考虑到网络节点的分布式的特性。因此,当网络拓扑较复杂时,应用压缩感知时数据需要传输的次数并不会低于利用最短路径树时数据需要传输的次数。在该文中,我们考虑如何将压缩感知技术更好的和网络节点的分布式结构相结合,使得该技术的更加符合无线传感器网络的需求。     

无线传感器网络数据的零范数最小化重构

利用压缩感知理论重构网络数据可有效减少无线传感器网络数据传输能耗。已有重构算法复杂度高,难以满足无线传感器网络的高实时性要求。为提高基于压缩感知理论的网络数据重构的实时性,提出一种零范数最小化重构方法。首先构造连续函数对离散的零范数函数进行逼近,然后通过求解连续函数的最优化问题得到零范数最小化的近似解。与以往的压缩感知重构方法相比,零范数最小化重构在保证重构准确度的前提下有效减小了算法复杂度。仿真实验验证了所提算法的正确性和有效性。     

基于空间相关性与灰色模型的WSN数据压缩方法

针对目前无线传感器网络（WSN）数据压缩方法的计算复杂度高、压缩效率和数据恢复准确率较低的情况,提出基于簇头-基站分离式结构的WSN数据压缩方法。该方法在WSN的单层分簇结构的基础上,要求感知节点将采集的原始数据分段发送,采用原有WSN数据压缩方法对簇头节点接收的数据进行空间相关性压缩,在基站采用灰色模型进行数据恢复。另外,通过实验分析灰色模型与灰色马尔可夫链模型对数据的恢复效果,给出算法最优模型与段长。仿真结果表明,提出的方法相比传统线性回归方法在较高压缩效率时可显著提高数据恢复精度。     

WSN中一种基于压缩感知的数据恢复算法

无线传感器网络应用大多依赖完整的传感器数据,但由于无线传感器网络常出现数据丢失现象,丢失率较高,当前的数据恢复方案效果较差。根据Intel Indoor和GreenOrbs2个项目的真实数据,证实温度和光照的变化之间存在较高的关联度。以此为基础,提出一种基于多属性协助和压缩感知的数据恢复精度优化算法（MACS）。利用属性特征恢复多属性数据集,进行基于真实数据驱动的仿真实验。结果表明,当丢失率低于60％时,MACS算法对所有数据进行恢复的差错率低于5％,即使丢失率高达85％,MACS算法也可以对所有数据实现估计,且差错率低于10％。     

WSN中基于多属性协助和压缩感知的数据恢复算法

无线传感器网络应用大都依赖完整的传感器数据,防止数据丢失是一项重要的研究工作,然而由于无线传感器网络的数据丢失模式特殊、丢失率高,当前的数据恢复方案效果不尽如人意。根据Intel Indoor和Green Orbs两个项目的真实数据,证实了温度和光照的变化之间往往存在很高的关联度。以此为基础,提出一种基于多属性协助和压缩感知的数据恢复精度优化算法(MACS)。最后,进行了基于真实数据驱动的仿真实验。仿真结果表明,MACS算法性能优于当前其他算法。一般地,当丢失率低于60%时,MACS算法对所有数据进行恢复的差错率低于5%。即使丢失率达85%,MACS算法也可以对所有数据实现估计且差错率低于10%。     

一种改进的WSN数据在线恢复方案

传感器节点容易发生软件或机械故障,从而导致节点数据部分或全部丢失。为保证无线传感器网络数据收集的可靠性,提出一种改进的数据在线恢复方案。采用分布式存储机制对节点数据进行冗余处理,依据节点发出的恢复请求,给出改进的多项式时间数据恢复算法,支持请求接纳控制,并对数据恢复文件块大小进行限制,可在非循环网络上取得恒定的近似率边界。理论分析与仿真实验结果表明,该方案可准确恢复网络数据,对各数据恢复请求均可实现数据恢复成本最小化。     

多媒体传感器网络视频的帧分类联合重构

为降低多媒体传感器网络中视频压缩感知的计算复杂度,提出一种基于帧分类的多媒体传感器网络视频联合重构算法。依据视频数据的联合稀疏模型将视频帧分为关键帧和非关键帧。对于压缩感知重构中欠定线性方程组,可利用关键帧和非关键帧之间的相关边信息进行重构初始化,同时运用有界约束二次规划对其进行求解。从仿真结果可知,相对于传统的视频压缩感知算法而言,在保证视频重构质量的前提下,所提方法在重构算法复杂度上不但能有效降低,同时,在视频重构上能提高其实时性。     

无线传感网络误删数据匹配追踪恢复方法设计

无线传感器网络空间不足，会引发关键数据丢失或误删的情况发生，为确保无线传感网络关键数据的完整性，设计一种基于匹配追踪的误删数据恢复方法。设计匹配跟踪算法对误删数据实施追踪定位：使用Gram-Schmidt正交化方法，通过现有的原子对开展迭代生成新原子正交化，以预测误删数据的位置。采用基于时间稳定性的线性差值模型，估算出误删数据值，将无线传感网络误删数据恢复问题转化成二次规划问题，经过不断迭代得出最终解，实现误删数据恢复。实验结果表明，这种方法的误删数据恢复耗时仅为10.4 s,数据恢复特征幅值与原始特征幅值的最大误差仅为0.21,平均数据恢复成功率高达98.76%,能够有效缩短数据恢复耗时，提高数据恢复成功率。     

无线传感器网络数据的相关性自适应压缩感知

为减小无线传感器(WSN)网络数据传输过程中相关性发生变化对压缩感知重构精度的影响,提出一种相关性自适应的网络数据重构方法。该方法首先通过迭代对待重构数据的相关性进行估计,进而采用支集元素的两步相关检验方法对网络数据稀疏系数向量中非零元素进行重构,最终得到更为精确的重构数据。仿真结果表明,该算法能有效抑制实际传输过程中各种干扰对网络数据重构的影响,提高网络数据相关性变化情况下的重构准确度。     

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。     

基于Q学习和规划的传感器节点任务调度算法*

为了改善节点的学习策略,提高节点的应用性能,以数据收集为应用建立任务模型,提出基于Q学习和规划的传感器节点任务调度算法,包括定义状态空间、延迟回报、探索和利用策略等基本元素.根据无线传感器网络(WSN)特性,建立基于优先级机制和过期机制的规划过程,使节点可以有效利用经验知识,改善学习策略.实验表明,文中算法具备根据当前WSN环境进行动态任务调度的能力.相比其它任务调度算法,文中算法能量消耗合理且获得较好的应用性能.     

基于模糊压缩感知的无线传感网络拥塞控制算法

针对无线传感网络(WSN)的拥塞问题,提出了一种将模糊控制和压缩感知(CS)技术相结合来缓解无线传感网络拥塞的算法。首先,将压缩感知技术引进到无线传感网络的拥塞控制中,理论分析了压缩感知对缓解传感网络拥塞的效果,通过对采集数据进行压缩感知处理来减少网络冗余信息,从而缓解网络拥塞。其次,针对网络拥塞时压缩感知技术不能动态适应无线传感网络复杂环境的问题,设计了一种模糊-压缩感知的拥塞控制算法,该算法结合网络拥塞状况对压缩感知的观测矩阵维数进行动态调节,从而使压缩感知技术更好地适应传感网络拥塞状况的变化。该机制在不同的拥塞状况下能够提高网络吞吐量10%~50%,降低网络的丢包率10%~50%,减少网络时延将近5 s。通过NS2仿真表明,该机制对无线传感网络的拥塞缓解有较明显的效果。     

可充电无线传感网络能量均衡路由算法

针对可充电无线传感网络中的能量均衡路由问题,提出在稳定功率无线充电和监测数据收集网络场景下的多路径路由算法和机会路由算法,以实现网络的能量均衡。首先,通过电磁传播理论构建了无线传感节点的充电和接收功率关系模型;然后,考虑网络中无线传感节点的发送能耗和接收能耗,基于上述充电模型将网络能量均衡的路由问题转化为网络节点运行时间的最大最小化问题,通过线性规划得到的各链路流量用以指导路由中数据流量分配;最后,考虑一种更加现实的低功耗的场景,并提出了一种基于机会路由的能量均衡路由算法。实验结果表明,与最短路径路由（SPR）和期望周期最短路由（EDC）算法相比较,所提出的两种路由算法均能有效提高采集能量的利用率和工作周期内的网络生命周期。     

面向有损链路的传感网压缩感知数据收集算法

基于压缩感知的数据收集算法在能量受限、数据冗余的无线传感网中有巨大应用潜力,现有研究大多假定无线链路理想.通过实验说明有损链路丢包会严重影响压缩感知数据收集算法的数据重构质量;提出了一种基于重传与时间序列相关性预测（CS data gathering based on retransmission and time series correlation prediction,简称CS-RTSC）的数据收集算法,将有损链路上的丢包建模为随机丢包和块状丢包,设计了基于滑动窗统计的丢包类型预判算法,在检测到链路丢包时判断丢包类型,对随机丢包采用重传恢复,对块状丢包设计了基于时间序列相关性预测算法恢复.仿真结果表明该算法能有效降低有损链路丢包对CS数据收集的影响,在网络丢包率达到30%时,CS数据重构的相对误差仅比理想链路下的CS相对重构误差高0.1%.     

基于均衡分簇的无线传感器网络压缩数据收集

应用压缩感知（CS）理论结合稀疏随机投影的无线传感器网络（WSN）压缩数据收集（CDG）可以大大减少网络传输的数据量。针对随机选择投影节点作为簇头来收集数据导致网络整体能耗不稳定和不平衡的问题,提出两种平衡投影节点的压缩数据收集方法。对于节点分布均匀WSN,提出基于空间位置的均衡分簇法：首先,均匀划分网格;然后,在每个网格选举投影节点,依距离最短原则成簇;最后,由投影节点收集簇内数据到汇聚节点完成数据收集,从而使得投影节点分布均匀、网络能耗均衡。对于节点分布不均匀的WSN,提出基于节点密度的均衡分簇法：同时考虑节点的位置和密度,对节点数量少的网格不再选择投影节点,将网格内的少量节点分配到邻近的网格,从而平衡网络能量,延长网络寿命。仿真结果表明,与随机投影节点法相比,所提的两种方法的网络寿命均延长了25%以上,剩余节点数在网络运行中期均能达到2倍左右,具有更好的网络连通性,显著提高了整个网络的生命周期。     

WSN软实时系统的DVS控制优化算法

为降低无线传感器网络（WSN）软实时系统中的能量消耗,建立能量消耗数学模型,引入离散事件系统框架中的优化控制问题使目标函数最小化,采用线性规划方法求解,得到一种可扩展的低复杂度算法,并对该算法进行优化。数值结果表明,应用优化算法对WSN节点进行动态电压调节,能在满足时限要求的基础上更大程度地节省节点能量。     

改进蚁群算法的无线传感器网络路径优化

研究无线传感器网络路径优化问题,针对无线传感器网络(WSN)路径优化问题,在分析了遗传算法和蚁群算法各自优缺点的基础上,通过把蚁群算法作为WSN路径优化的主框架,采用遗传算的选择、交叉和变异算子提高蚁群算法搜索速度,提出一种改进蚁群算法的WSN路径优化方法。仿真结果表明,改进蚁群算法有效地克服了基本蚁群算法的缺陷,提高了WSN路径优化效率和成功率,减少了能理消耗,有效延长了网络生存时间。