無線傳感器網(wǎng)絡(luò)中DCS算法研究.pdf

1、無線傳感器網(wǎng)絡(luò)（WSN,Wireless Sensor Networks）是由分布在監(jiān)測區(qū)域內(nèi)大量的傳感器節(jié)點組成。節(jié)點會采集監(jiān)測區(qū)域內(nèi)的目標信息，并將采集到的數(shù)據(jù)通過簇頭節(jié)點傳輸?shù)教幚矶?。直接將?shù)據(jù)進行傳輸會因為存在大量冗余信息，額外消耗更多能量，占據(jù)寬帶資源，降低傳感器網(wǎng)絡(luò)的壽命。因此，要對無線傳感器網(wǎng)絡(luò)中的數(shù)據(jù)進行壓縮處理。無線傳感器節(jié)點一般是微型而又廉價的，在對數(shù)據(jù)進行壓縮是要考慮到節(jié)點的計算能力。
　　本文對無線傳感器網(wǎng)

2、絡(luò)的特點進行了描述，并介紹了以往的無線傳感器網(wǎng)絡(luò)中的數(shù)據(jù)壓縮方法。同時介紹了一種新型數(shù)據(jù)壓縮技術(shù)——壓縮感知(CS，Compressed Sensing）。壓縮感知技術(shù)直接采集壓縮后的少量數(shù)據(jù)，并將這些壓縮后的數(shù)據(jù)傳輸?shù)教幚矶诉M行重構(gòu)得到原始數(shù)據(jù)。壓縮感知技術(shù)具有算法計算復(fù)雜度低、壓縮效果良好的特點，非常適合無線傳感器網(wǎng)絡(luò)。同時研究了利用不同節(jié)點信號相關(guān)性，將聯(lián)合稀疏模型和壓縮感知結(jié)合起來的分布式壓縮感知（DCS,Distributed

3、 Compressed Sensing）。在介紹分布式壓縮感知理論基礎(chǔ)后，對壓縮感知的基本理論進行了深刻的闡述，并對壓縮感知的數(shù)學模型、信號的稀疏變換、觀測矩陣的選取和信號的重構(gòu)進行了細致的分析。本論文主要針對無線傳感器網(wǎng)絡(luò)中壓縮感知算法問題進行了研究，主要貢獻如下：
　　本文提出一種改進的梯度追蹤算法。該算法在梯度追蹤算法的基礎(chǔ)上提出了對步長的改進，降低梯度投影法中收縮路徑的鋸齒問題。通過仿真實驗表明改進的梯度追蹤算法兼顧重構(gòu)速

4、度和重構(gòu)精度兩個問題，優(yōu)于已有的一些算法。
　　本文提出了一種動態(tài)自組織成簇算法，該算法能在對無線傳感器網(wǎng)絡(luò)中的數(shù)據(jù)進行壓縮感知算法處理后，對無線傳感器網(wǎng)絡(luò)中的節(jié)點進行有效的分簇，確保各簇內(nèi)部節(jié)點間具有較強的相關(guān)性。
　　本文提出了無線傳感器網(wǎng)絡(luò)中基于聯(lián)合稀疏模型JSM-1的分布式壓縮感知算法。該算法基于無線傳感器網(wǎng)絡(luò)中分布式的概念，對分簇后的簇內(nèi)數(shù)據(jù)進行聯(lián)合處理。在實際的應(yīng)用當中，無線傳感器網(wǎng)絡(luò)中有大量的傳感器節(jié)點，使用分