基于壓縮感知的無線傳感器網(wǎng)絡(luò)信號(hào)采集和稀疏表示研究.pdf

1、隨著無線傳感器網(wǎng)絡(luò)（WSNs）的規(guī)模逐漸擴(kuò)大，能耗問題已成為亟待解決的關(guān)鍵問題之一。壓縮感知（Compressed Sensing, CS）作為一種新型的采樣理論，能利用較低采樣率完成信號(hào)的精確重構(gòu)，因此將其應(yīng)用到無線傳感器網(wǎng)絡(luò)中能實(shí)現(xiàn)網(wǎng)絡(luò)低能耗。壓縮感知理論包括三個(gè)核心部分：信號(hào)稀疏表示、構(gòu)建觀測(cè)矩陣、重構(gòu)原始信號(hào)。
　　本文圍繞無線傳感器網(wǎng)絡(luò)中基于壓縮感知的信號(hào)采集和稀疏表示，設(shè)計(jì)了針對(duì)WSNs的信號(hào)采集方案，也就是觀測(cè)矩陣的

2、構(gòu)建方法；研究和分析了不同稀疏表示方法在壓縮感知框架中的應(yīng)用，并針對(duì)傳感器網(wǎng)絡(luò)信號(hào)做出了相應(yīng)改進(jìn)。本文的具體貢獻(xiàn)有如下兩點(diǎn)：
　?。?）常用的隨機(jī)觀測(cè)矩陣不依賴于信號(hào)本身，需要較大的存儲(chǔ)空間進(jìn)行預(yù)先存儲(chǔ)，同時(shí)由于生成隨機(jī)矩陣對(duì)于硬件要求較高，帶來的硬件成本較大。本文針對(duì)WSNs的信號(hào)采集，通過對(duì)LEACH算法的深入學(xué)習(xí)，將CS理論與LEACH算法分簇思想相結(jié)合，制訂了CS-LEACH信號(hào)采集方案。根據(jù)此方案構(gòu)造基于分簇的具有分布式

3、網(wǎng)絡(luò)特性的觀測(cè)矩陣。實(shí)驗(yàn)結(jié)果表明：本方案有效解決了隨機(jī)矩陣預(yù)先存儲(chǔ)占用內(nèi)存的問題，并且有效地延長了WSNs的整體生命周期。
　　（2）為了尋求更好的適用于WSNs信號(hào)的稀疏基，基于壓縮感知理論框架，本文研究了三種稀疏表示的方法：離散余弦變換（DCT）、基于主成分分析法構(gòu)造的稀疏變換矩陣（PCA變換）以及基于K-SVD方法構(gòu)造稀疏表示字典。對(duì)于離散余弦變換，本文對(duì)原始信號(hào)值進(jìn)行了排序，并分析了排序?qū)υ撓∈杌挠绊?，?shí)驗(yàn)結(jié)果表明：排序

4、后的DCT基對(duì)數(shù)據(jù)的恢復(fù)精度明顯優(yōu)于未排序時(shí)；對(duì)于PCA變換，本文介紹了采用主成分分析方法對(duì)信號(hào)進(jìn)行稀疏表示的方法，并通過實(shí)驗(yàn)分析了其在信號(hào)重構(gòu)中的表現(xiàn)；對(duì)基于K-SVD方法構(gòu)造的稀疏表示字典，本文對(duì)該方法中初始字典的選擇做了改進(jìn)，結(jié)合K-SVD和離散余弦變換矩陣，構(gòu)造出一種適用于分布式WSNs信號(hào)稀疏表示的字典K-SVD-DCT。實(shí)驗(yàn)結(jié)果表明：K-SVD-DCT比用傳統(tǒng)K-SVD方法構(gòu)造的字典恢復(fù)精度更高且收斂的穩(wěn)定性更好；同時(shí)，相比