农业无线监测传感网中压缩感知的应用研究

针对农业无线监测传感网络中节点能耗过快,影响整个网络寿命问题,文章提出一种新型高效的数据采集传输的方法。该方法将压缩感知理论应用到传感器节点,采用离散傅里叶变换方法采集稀疏信号,利用重构误差更小的ROMP算法重构原信号。通过MATLAB对温度进行仿真实验,研究结果表明,采用压缩感知理论后,不但能近乎完美地重构信号,且以接近10%的压缩率来采样数据,节点发送能耗相对传统压缩算法最高提高80%左右,因此有效地延长网络的生命周期。     

基于DCS的无线传感器网络数据压缩算法研究

针对无线传感器网络节点能量有限的特点,基于网络节点间感知数据在空间上具有相关性,提出一种适用于无线传感器网络的基于边信息的分布式压缩感知算法。该算法在簇头接收的多个信号中,选择其中一个信号作为边信息,来优化其他信号的压缩以及解压过程,使得其他信号能够得到最大程度的压缩。仿真结果表明,该算法能够有效地压缩信号,并且能减少整个网络的能量消耗。     

一种适用于无线传感网图像节点单元的彩色图像压缩方法

针对无线传感器网络节点单元的特点,提出了一种适合这种节点单元的高效、低复杂度彩色有损压缩方法,对从图像传感器采集的原始BAYER彩色阵列图像数据进行低通滤波与降采样后,再把数据从RGB空间转换到YCbCr空间,最后利用JPEG算法对该数据进行压缩.试验结果表明该压缩方法与常规先插值后压缩方法以及类似先压缩后插值的压缩方法相比,在低码率条件下有更高的压缩性能和更低的实现复杂度.     

传感器网络中一种基于一元线性回归模型的空时数据压缩算法

针对传感器网络中节点采样数据的空间和时间冗余特点以及节能要求,该文提出了一种基于一元线性回归模型的空时数据压缩算法ODLRST。ODLRST先在每个节点内进行消除时间冗余的数据压缩,再在节点汇集处对来自不同节点的数据消除空间冗余以进一步压缩数据。仿真实验证明,ODLRST能够极大地减少节点发送的数据量和网络中的通信流量,节省并平衡网络中的能量消耗。     

无线传感器网络中基于压缩感知和GM(1,1)的异常检测方案

针对现有的异常事件检测算法准确率低和能量开销较大等问题,该文提出一种基于压缩感知(CS)和GM(1,1) 的异常事件检测方案。首先,基于分簇的思想将传感器节点的数据进行压缩采样后传输至Sink,针对传感器网络中数据稀疏度未知的特点,提出一种基于步长自适应的块稀疏信号重构算法。然后,Sink基于CM(1,1)对节点发生的异常进行预测,并对节点的工作状态进行自适应调整。仿真实验结果表明,相比于其它异常检测算法,该算法的误警率和漏检率较低,在保证异常事件检测可靠性的同时,有效地节省了节点能量。     

体域网中一种基于压缩感知的人体动作识别方法

能量有效性是无线体域网在面向长时间健康监测应用的首要挑战。该文引入压缩感知和稀疏表示理论同时解决人体活动监测中的动作识别和数据压缩问题,探索在达到一定动作识别率的同时降低传感器节点的能耗。该文提出的压缩分类动作识别方法首先在传感器节点利用随机投影对传感数据进行压缩,传到中心节点后再利用稀疏表示对压缩采样数据进行分类与识别,可减少传感器节点处理、传输原始数据所带来的能耗。在公开的可穿戴式传感器动作识别数据库WARD(Wearable Action Recognition Database)验证算法性能,实验结果表明该动作识别方法能有效地对随机投影后的低维采样数据进行识别,具有与传统识别方法相比拟的动作识别准确率。     

分布式的1 bit压缩频谱感知算法

由于频谱感知中信道稀疏度动态变化,导致分布式频谱感知网络中节点间信息传输频繁,消耗感知网络通信带宽。为了缓解网络通信带宽压力,提出分布式的1 bit压缩频谱感知算法。各节点对感知数据进行压缩采样并1 bit量化,然后融合节点采用JSM-2模型对数据进行融合,最后通过BIHT算法重构信号频谱,实现频谱感知。仿真结果表明,在低信噪比和较少的采样数目下,分布式的1 bit压缩频谱感知算法能具有较好的频谱检测性能,是一种可实用的频谱感知方法。     

WSN中基于多分辨率和压缩感知的数据融合方案

当前基于压缩感知的传感器网络数据融合方案中,不论数据字段有何特征,均假设网络具有固定而均匀的压缩阈值,从而导致数据通信量过高,能耗浪费较大。提出一种基于多分辨率和压缩感知的数据融合方案。首先,对传感器网络进行配置,以生成多个层次类型不同的簇结构,用于过渡式数据收集,在该结构上,最低层的叶节点只传输原始数据,其他层的数据收集簇进行压缩采样;然后将其测量值向上发送,当母数据收集簇收到测量值时,利用基于反向DCT和DCT模型的CoSaMP算法恢复原始数据;最后,在SIDnet-SWANS平台上部署了该方案,并在不同的二维随机部署传感器网络规模下进行了测试。实验结果表明,随着分层位置的变化,大部分节点的能耗均显著降低,与NCS方案相比,能耗下降50%~77%,与HCS方案相比,能耗下降37%~70%。     

WMSN中基于VSQI压缩反馈的协作节点选择

无线传感器网络中采用协同通信技术进行收集、交换和分析数据,可以有效提高信息精确度,并大大减少节点的能耗。其中协作节点的选择是一个重要问题。考虑在WMSN中应用信息压缩反馈技术,将分布在临近地理位置上的传感器节点的视频流质量指标（Video Stream Quality Index, VSQI）通过控制信道反馈给汇聚节点,可以为协同节点的选择提供支持。本文根据人类视觉特征,提出了一种用于视频流质量估计的方法,并据此综合考虑VSQI信号的设计。由于WMSN中巨大的信息反馈量,将压缩感知（Compressive Sensing, CS）理论应用到VSQI压缩反馈中进行了研究,寻找并验证了与VSQI信号相关的随机测量矩阵与重建准则,实验结果证明基于压缩感知的压缩反馈方法可以降低感知节点端处理复杂度、增强反馈压缩程度,从而确定WMSN中传输节点的协作节点。      

传感器网络中基于时空相关性的压缩感知算法

传感器网络节点的能量有限,为节省传感器节点的能耗,提出了利用节点内及节点间的时空相关性的压缩感知模型及算法,减少了通信的数据量,进一步节省了能耗,延长了网络的生命周期。算法在分簇协议和多跳路由优化的基础上,在簇头节点运用较为简单的压缩感知压缩测量方法,降低了计算复杂度。通过对实测数据的误差分析及能耗仿真,验证了该模型及算法的有效性和实用性。