机械振动WSNs子带峰值自适应量化融合编解码方法

针对智能运维机械振动无线传感器网络多传感器传输振动数据时面临传输数据量大及传输效率低的问题，本文提出一种子带峰值自适应量化融合编解码方法。首先，传感器节点对原始数据进行离散余弦变换以确保子带能量集中；然后提取出子带DCT系数中的离群值，并用子带峰值自适应量化方法对其进行量化以减少数据失真；最后，用字节融合与比特融合方法将多传感器的量化数据进行融合拼接以减少数据冗余。将提出的方法与其他数据压缩方法进行对比以验证本文方法的性能。实验结果表明，该方法在8个节点同时采集传输的机械振动无线传感器网络中，数据压缩比为8.335时，重构信噪比为20.486 3 dB,节省37.2%的传输时间，可以有效实现信道资源受限的机械振动无线传感器网络多传感器振动数据的融合压缩。     

机械振动信号分块自适应压缩感知算法

为提高振动信号分块压缩感知过程中的信号重构效果,提出了机械振动信号的自适应分块压缩感知算法。首先将信号分割,构造信号矩阵,并利用K-SVD构造与信号矩阵相适应的冗余字典;然后根据不同信号块在冗余字典下匹配追踪系数的衰减速度,定义不同信号块的复杂度权值;最后以复杂度权值为依据,制定自适应的压缩感知采样策略,在保证振动信号的整体采样率不变的同时,自适应分配不同信号块的观测数目。将该算法应用于机械振动信号压缩感知,与传统压缩感知算法以及其他自适应压缩感知算法相比,信号重构的精度得到提高。     

机械振动无线传感器网络数据分块大小研究

机械振动无线传感器网络节点因存储容量有限、信道带宽窄导致节点需将高采样频率下产生的大量振动数据进行分块存储、读取与发送,而数据分块大小将直接影响数据存储、读取与发送能耗。为研究各过程数据分块大小与能耗的关系,首先通过实验得出数据存储、读取与发送过程中工作电流、工作时间与数据分块大小间离散关系;然后利用最小二乘法对离散关系进行线性拟合,建立各过程能耗数学模型,结合处理器自身存储容量与通信协议物理层载荷等限制因素,得出使各过程能耗最低的数据分块大小。对比实验结果表明,各过程均采用最优数据分块大小能有效降低机械振动无线传感器网络节点能耗。     

机械振动WSNs最小二乘发射功率自适应控制方法

机械振动无线传感器节点为了保证数据传输的可靠性采用最大发射功率,导致部分传感器节点传输能耗浪费。针对此问题,提出了一种无线传感器节点最小二乘发射功率自适应控制方法。首先,传感器节点在机械振动监测中进行簇内通信获得发射功率与链路质量的离散关系;其次,采用最小二乘法对离散数据进行线性拟合,建立数据可靠、节能传输的最小二乘发射功率自适应数学模型;最后,结合链路质量指示阈值计算出节点间数据传输的最优发射功率。对比实验结果表明,采用最小二乘发射功率自适应控制方法能有效降低机械振动无线传感器节点的传输功耗。     

基于FAHP的机械振动WSN均衡拓扑构建方法

针对机械振动无线传感器网络因拓扑不均衡导致传输时延和网络传输能耗增加的问题,提出了一种基于模糊层次分析(fuzzy analytic hierarchy process,简称FAHP)的均衡拓扑构建方法,该方法由构建模糊判断矩阵和计算权重向量组成。首先,传感器节点进行簇内通信获取信标广播信息,将信标节点网络决策因子统一量纲化,利用网络决策因子构建模糊判断矩阵;其次,检验模糊判断矩阵一致性,采用行和归一化处理或拉格朗日最小二乘法计算权重向量;最后,传感器节点通过权重向量计算出各个信标节点综合权值,关联最优信标节点为父节点加入网络,将提出的模糊层次分析拓扑构建方法与基于链路质量单准则构建网络拓扑机制进行对比。实验结果表明,该方法能有效改善传输时延和机械振动无线传感器节点网络寿命。     

冗余策略下的机械振动 WSN 高效可靠传输方法

针对大量机械振动无线传感器网络数据的传输过程中高延时和可靠性的问题,提出了冗余策略下的机械振动无线传感器网络高效可靠传输方法。首先分析对比了基于IEEE 802.15.4协议支持的ACK和Non-ACK的传输机制下的时间消耗,取消传输ACK应答帧带来的时间延时,保证大量机械振动数据的高效传输;然后提出了一种冗余策略下的数据可靠传输方法,采用部分冗余矩阵进行数据编码将机械振动原始数据在丢包率下进行数据扩展;最后,数据中心将收到的数据解码即可得到原始数据。实验结果表明,所提方法数据量经冗余编码后增加25%后,每轮传输延时可减少约3 s,传输能量消耗可降低约555 mJ,并能保证数据完整性。     

振动信号无线传输的数据压缩编码算法

无线传感器网络节点资源非常有限,若实时采集传输振动信号,由于信号变化快,数据量大,网络节点将会因为资源过早耗尽而失效,并且上位机需要很大的数据存储空间.为了解决上述问题,提出了一种针对振动信号进行压缩编码的算法,并编程将其移植到节点DSP中.首先,采用5/3提升小波对振动数据进行处理;然后,利用嵌入式零数小波对得到的小波系数进行压缩编码;最后,为了进一步提高压缩比,便于节点传输数据.对上述结果进行霍夫曼压缩编码,对数据的解码、解压缩和重构则由上位机软件完成.讨论了初始阈值和小波分解层数的选取对压缩效率的影响.实验结果表明,该算法可有效压缩振动信号(压缩比高达9.5),且在保留其频域主要特征的情况下,使传输数据量大大减少,节省了网络节点资源和上位机存储空间.     

机械振动 WSN 比例补偿跨层同步采集触发方法

针对机械振动无线传感网络同步采集中的同步触发精度低问题,提出了一种比例补偿跨层同步采集触发方法。首先,基于跨层同步架构设计超宽带机械振动无线传感器网络节点,分析采集节点实际采集时钟构成;然后,使用单一硬件定时器作为采集控制时钟,跨层获取同步信息并进行同步触发延时控制;最后,根据周期性同步信息建立节点间的时间比例模型,根据采集节点上行链路时间比例对同步触发延时进行比例补偿,减小同步采集触发误差。实验结果表明,所提方法在单跳网络中同步采集触发误差均值为20 ns,最大值为50 ns,在两跳网络中同步采集触发误差均值为37 ns,最大值为76 ns,有效提高了机械振动无线传感器网络同步采集触发精度。     

无线传感网基于邻居簇的JPEG2000多节点协同实现

针对无线传感器网络能量、存储、处理能力严重受限的特点,基于"在网计算"的思想,结合JPEG2000算法流程以及无线传感器网络的网络拓扑结构特点,提出一种基于邻居簇的JPEG2000多节点协同图像压缩方法。首先,将相机节点采集的图像分片,并根据图像的梯度幅度值进行压缩比特率的自适应优化分配。然后,将压缩任务转移到多个邻居簇内,以最小化网络总能耗为目标,由多节点协作共同完成图像压缩和传输。仿真结果表明,该方法不仅使无线传感器网络中实现大尺寸图像的JPEG2000编码成为可能,且相机节点能耗仅为压缩图像后传输至基站方案的3.4%,极大地平衡了网络节点能耗,使网络生命周期提高了7倍以上。     

面向机械振动监测的无线传感器网络结构

为了将无线传感器网络应用于机械振动监测中,提出了一种面向机械振动监测的多数据汇集点的无线网络拓扑结构,以降低数据汇集点的传输负载,增加网络的数据传输速率,平衡网内能量耗散。利用通用无线传感器网络硬件平台,设计实现了网络传输协议和相关辅助机制,构建了无线振动监测试验平台,通过实测试验评估了多数据汇集点网络结构的传输性能。结果表明,利用多数据汇集点的无线传感器网络拓扑结构可以满足1 kH z采样得到的振动数据连续传输要求。     

基于多波段预测的高光谱图像分布式无损压缩

提出了一种基于分布式信源编码的高光谱图像无损压缩算法,用于星载高光谱数据的有效压缩.为充分利用高光谱图像较强的谱间相关性,引入多波段谱间线性预测方案获取当前编码块的预测值,有效降低了编码块的最大预测残差值.在此基础上,根据最大预测残差值确定编码块各像素所属陪集的索引,通过传输每个像素所属陪集的索引代替预测残差,实现高光谱图像压缩.对星载可见/红外成像光谱仪(AVIRIS)获取的高光谱图像进行实验,并与已有的典型算法进行比较,结果显示该算法能够取得较好的无损压缩效果,同时具有较低的编码复杂度,适用于星载高光谱图像的无损压缩.     

稀疏度拟合的自适应机械振动信号压缩感知

针对利用机械振动信号进行设备故障诊断和状态监测过程中,存在采样数据量多、存储容量大、传输带宽高和信号重构精度低等问题,提出一种稀疏度拟合的自适应机械振动信号压缩感知方法。首先,对机械振动信号进行多尺度小波包变换,再将小波包系数按一定阈值进行置零处理并求取其稀疏度;然后,采用迭代方法求取各稀疏度下满足重构信号精度条件的最低采样率,并对信号的稀疏度和采样率采用最小二乘法进行拟合,消除信号测量误差,求取最佳信号采样率;最后,采用K-奇异值分解算法构造与各信号块相适应的过完备字典,并利用正交匹配追踪算法实现信号重构。实验证明,与传统压缩算法相比较,该算法的信号压缩率和重构精度均得到较大提高。     

最小化预测残差的图像序列压缩感知

提出了一种最小化预测残差的图像序列压缩感知算法以实现高速相机输出图像的实时压缩.首先,在编码端仅使用映射矩阵对原始输出图像进行压缩,将压缩得到的观测向量通过信道传输到解码端.接着,在解码端对相邻帧进行运动估计和运动补偿,得到一幅待重建图像的预测图像,利用压缩感知算法对原始图像和预测图像之间存在的预测残差图像进行重建.最后,用迭代的方法优化预测残差图像的重建结果,直到连续两次的重建结果之差小于设定阈值,从而获得重建的原始图像.采用DALSA公司的CR-GEN0 H6400相机进行的实验表明,该算法可以实现1 000 frame/s图像的实时压缩,并且图像重建质量比独立地重建每张图像至少提高了2～6 dB,有效地实现了对高速相机输出图像的实时压缩与高质量重建.     

基于内容的高光谱图像无损压缩

提出了一种基于内容的高光谱图像无损压缩算法.采用自适应波段选择算法对高光谱图像进行降维,引入G-means算法对降维后的光谱矢量进行无监督分类.利用单调后向排序算法确定波段的预测顺序,并根据相邻波段的相关系数大小进行自适应波段分组.针对每一类地物,选取类内部分像素进行最优预测系数的训练,采用多波段线性预测的方案去除同类像素的谱间相关性,预测残差进行JPEG-LS无损压缩.对机载可见光/红外成像光谱仪(AVIRIS)与实用型模块化成像光谱仪(OMIS)获取的高光谱图像分别进行实验,并与未进行分类预测的算法比较.结果显示,提出的算法的平均压缩比分别提高约0.11和0.7,验证了该算法在无损压缩方面的有效性.