基于分布式压缩感知的无线传感器网络异常数据处理

无线传感器网络的海量数据采集、传输和处理,对传感器节点的处理能力和功耗提出了严峻挑战,而且现实环境中传感器故障或者环境因素的突变会导致部分采集数据异常,而传统的数据处理方法无法对包含异常的数据进行有效的处理。针对上述问题,文中提出了两类无线传感器网络的异常数据模型,以及相应的基于分布式压缩感知的异常数据处理方法。通过协同的多个传感器进行数据压缩采样,当多个传感器采集的数据包含异常成分时,分布式压缩感知技术对数据中相同的正常分量进行一次统一重构,仅对不同的异常分量进行单独重构,从而避免了对相同数据分量的重复处理,提高了对包含异常成分数据处理的效率。另外,分布式压缩感知技术充分利用数据间的相关性,可有效减少传感器网络的数据采集量,加强其对抗异常数据的鲁棒性。对两类异常数据模型的数值仿真结果表明:相比于传统的基于单组测量值的压缩感知技术,基于分布式压缩感知技术的数据处理方法在提高异常数据重构准确率的同时,将采样数据量减少了约33%,证明了该方法的有效性。     

基于感知网格的无线传感器网络动态采样策略

在分析无线传感器网络时空相关性模型的基础上,提出一种基于感知网格的无线传感器网络动态采样策略.将监测区域划分为多个感知网格,感知网格内只有簇头节点保持活跃状态,当出现异常数据后再激活感知网格内其他节点来获得更详细的信息.该策略通过减少无线传感器节点之间相同的或相近的采样数据上传来降低冗余信息的传输.仿真结果表明:该策略显著提高了无线传感器网络能量效率.     

无线传感器网络中基于压缩感知的分簇数据收集算法

针对无线传感器网络(WSNs)能量有限、通信链路不可靠的特点,提出一种基于稀疏分块对角矩阵进行压缩感知的分簇(SBDMC)数据收集算法.该算法以稀疏分块对角矩阵作为观测矩阵以减少参与收集节点数目;采用分布式分簇路由实现数据的分布式收集;通过分析能耗模型得到最优簇头数目以减少网络能耗.在此基础上,给出一种有效的分簇路由数据收集算法.仿真分析表明:提出的算法较之已有算法可以减少通信能耗、延长网络寿命,同时均衡能耗负载.     

基于遗传压缩感知的无线传感器网络数据压缩方法

考虑到无线传感器网络WSNs能量、通信带宽、计算能力及成本有限,不适合大规模数据传输,同时存在数据冗余,需要进行数据压缩处理,提出一种新的基于遗传算法的压缩感知CS(Compressive Sensing)重构方法,应用于无线传感器网络数据压缩中。详细阐述分布式WSNs数据压缩特点,压缩感知基本理论,基于遗传算法的CS重构新方法以及在WSNs数据压缩中的应用。通过实验仿真证明,从压缩比、节点平均能耗、网络生存时间和网络时延四个方面,与DCCM算法及CCS算法的WSNs数据压缩算法进行比较,提出的算法具有较高的压缩比,提高了采集数据的重构精度,降低了数据冗余度和网络通信量,提高了网络效率。     

基于PCA的无线传感器网络压缩感知算法

针对常规压缩感知算法稀疏效果不佳的问题,提出了基于PCA的无线传感器网络(Wireless Sensor Network)压缩感知算法;该算法利用主成分分析法(Principle Component Analysis)的去噪和去冗余特性为节点数据提供一个自适应的稀疏矩阵,尽可能的减少观测量,并提出一个自相关系数保证PCA技术应用的有效性;最后,通过仿真将该算法与常规算法的重构误差进行比较,结果表明当信号相似度系数r大于0.7时,前者信号重构所需的观测量少很多,重构精度更高,对于WSN数据采集能够起到很好的节能效果。     

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．     

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。     

基于压缩感知的无线传感器网络的数据编码

近年来,基于压缩感知的无线传感器网络数据编码的研究取得了一定的进展,但大部分研究是基于"单跳"的传输模型或者没有考虑网络内节点之间的合作。本文提出了一种基于压缩感知和分簇的传感器网络数据编码方法。首先,节点根据自己的编号伪随机的产生一个M维的列向量,把感知的数据xi投影到此向量上,然后把自己的编号和投影的数据一同传输给簇头。簇头把收到的数据进行求和,并且把计算后的结果传送给下一个簇头,直到sink节点。通过仿真实验和理论分析,验证了本文提出的方法比传统的方法能更好地减少网络内数据传输量。     

基于压缩感知的无线传感器网络数据收集研究综述

为了对无线传感器网络的压缩数据收集有一个全面的认识和评估,对到目前为止国内外的相关研究成果作了一个系统的介绍。首先,介绍了压缩数据收集及改进方法的框架的建立;然后,分别根据无线传感器网络的传输模式和压缩感知理论的三要素,对压缩数据收集方法分类进行了阐述;接下来,说明了压缩数据收集的自适应和优化问题,与其他方法的联合应用,及实际应用范例;最后,指出了压缩数据收集存在的问题和未来的发展方向。     

应用压缩感知的无线传感器网络数据处理综述

研究了压缩感知在无线传感器网络数据处理方面的应用。介绍了压缩感知技术和无线传感器网络的发展及研究现状,并从数据融合、信号采集、信号路由传输以及信号重构4个方面,对近年来基于压缩感知的无线传感器网络数据处理研究进行了详尽的分析,提出数据安全的重要性。总结并展望了压缩感知技术未来的研究方向。     

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。     

用于压缩感知的无线传感网测量矩阵设计方法

为了解决无线传感器网络中数据采集过程中的冗余和传输能耗问题,深入分析信号的线性测量过程,提出一种用于压缩感知的测量矩阵设计方法.该方法结合对角矩阵和正交基线性表示原理,采用线性结构化的方法构造,过程简单、速度快、稀疏度高、没有冗余,适合硬件资源有限的传感器节点的实现.仿真结果表明,基于对角矩阵线性表示的测量方法与常见的高斯随机矩阵和部分哈达玛矩阵两种测量方法相比,该方法在相同信号重构精度前提下信号恢复成功率更高,传感节点可以通过压缩观测得到更少的测量数据,从而大大减少网络通信量,节约网络能耗,延长网络生存周期.     

无线传感器网络中位数查询抽样算法研究

提出一种基于无线传感器网络的中位数查询抽样算法SAMQ。在SAMQ中,网络中各节点将分布式产生各自的样本集,然后将样本集聚集传递后汇集到根节点形成全网的样本集,最后使用这个远小于全网数据集规模的、可用于代表全网数据集结构的样本集,迅速获得中位数查询的近似结果,从而无需将各传感器节点的所有数据都传输至根节点,同时采用了共享无线通道的方式进行通信,减少了网络数据丢包。理论分析和实验结果显示该算法功耗低、误差较小,能有效地延长网络的生命周期。     

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。     

无线传感器网络中基于SVR的节点数据预测算法

线传感器网络主要用于收集环境的信息,但是由于能量的限制或者安全性等问题,存在无线传感器网络节点失效问题,一旦节点失效,将不能收集后续数据,如何预测节点将来的数据成为一个关键问题。提出一种基于支持向量回归（SVR）的节点数据预测算法,充分利用节点先前收集的数据,预测未来的数据。从仿真实验上,证明该算法的有效性和较小的预测误差率。     

基于SOD的无线传感器信号采样策略

针对无线传感器网络带宽约束与能量限制问题,提出了基于SOD(Send-On-Dena)的信号采样策略,以输出信息的重要程度作为信息发送依据,解决了非重要信息对网络资源的占用问题,合理利用了网络带宽资源.在此基础上,分析了在该策略下系统的带宽需求,给出了数据平均产生率的上、下界,并在相同分辨率条件下,与周期采样策略进行了效力值比较,验证了该策略的有效性.最后仿真算例表明该策略对于节约带宽效果显著.     

基于次序编码的无线传感器网络数据融合算法

数据包压缩为无线传感器网络的数据融合提供了一种简单、有效的解决方案。针对一种基于次序编码的数据包压缩技术进行了研究,分析了其处理过程过于集中和复杂这两个局限性,提出一种数据融合新算法（DCOA）。算法建立了新的实现流程,设计了新的映射表数据结构,通过分布式动态处理,分解降低了实现的复杂性,平衡了节点的能量负载,大幅提高了数据融合效率。通过仿真实验对算法的优越性进行了验证。     

基于动态树拓扑的多时隙分配无线传感器网络数据传输算法

针对无线传感器网络(WSN)在数据传输过程中节点能量负载不均衡问题,提出了一种基于动态树拓扑的多时隙分配无线传感器网络数据传输算法。该算法首先建立了树链路模型来分析无线传感器网络的数据传输模式以及时隙需求问题;接着通过在树拓扑上使用父代和子代的关系,使节点基于时隙需求执行帧时隙分配,并给出了接收时隙的一个序列模式和发送时隙的序列模式,允许节点更加有序且在干扰更少的信道下接收其他节点发送的数据包,减少时隙的浪费并提高信道利用效率。最后,实验仿真结果表明,与基于数据传输优化的无线传感器网络的生命周期延长算法,以及基于能量感知和时隙分配的可靠数据传输算法相比,所提算法的网络能量效率分别提高了42.8%和51.7%,节点平均寿命延长了1.7%和37.5%,网络的能量效率和网络生命周期得到了提高。