基于不平衡擴(kuò)展模型的分布式壓縮感知研究.pdf

1、壓縮感知(Compressive Sensing,CS)是一種新穎的抽樣理論,在原信號具有可壓縮性或者可稀疏化的前提下,通過一個測量矩陣對原信號信息的抽樣,達(dá)到了采樣和壓縮的目的,而且不需要考慮原信號帶寬的限制。
　　對于大規(guī)模的分布式無線傳感網(wǎng)絡(luò),傳感器的節(jié)點(diǎn)通常能量有限、帶寬有限。如果節(jié)點(diǎn)間無數(shù)據(jù)交換,把節(jié)點(diǎn)收集到的數(shù)據(jù)直接傳輸?shù)饺诤现行?不但會造成網(wǎng)絡(luò)的擁擠,而且節(jié)點(diǎn)消耗能量大。因此,設(shè)計(jì)一個節(jié)能、降低數(shù)據(jù)傳輸量的無線傳感網(wǎng)

2、絡(luò)架構(gòu)成為迫切需要。相對于其他數(shù)據(jù)融合技術(shù),壓縮感知比較適合應(yīng)用在無線傳感網(wǎng)絡(luò)中,它的優(yōu)點(diǎn)有如下:
　　(1)編碼比較簡單,用非自適應(yīng)的隨機(jī)測量矩陣對數(shù)據(jù)節(jié)點(diǎn)的數(shù)據(jù)幅值線性變換,就能同時(shí)達(dá)到采樣和壓縮的目的。
　　(2)解碼與編碼獨(dú)立,解碼端只需要知道測量值和測量矩陣就能采用不同的解碼方法重構(gòu)原信號。
　　(3)魯棒性能優(yōu)越,數(shù)據(jù)傳輸?shù)饺诤瞎?jié)點(diǎn)后,即使有部分的數(shù)據(jù)丟失,仍然能完美重構(gòu)出原信號。
　　考慮到壓縮感知

3、的優(yōu)點(diǎn)和無線傳感網(wǎng)絡(luò)能耗有限的問題。本文把不平衡擴(kuò)展模型的結(jié)構(gòu)移植到分布式壓縮感知,提出基于不平衡擴(kuò)展模型的分布式壓縮感知網(wǎng)絡(luò),進(jìn)而引出基于二值稀疏隨機(jī)映射的分布式算法。該算法的主要思想是二值稀疏隨機(jī)向量的高度稀疏化大大減少預(yù)處理數(shù)據(jù)的通信成本。對于大規(guī)模傳感網(wǎng)絡(luò)的個在轉(zhuǎn)換域項(xiàng)稀疏的分布式數(shù)據(jù)值,融合中心只需接收m(m＜＜n)個傳感器器數(shù)據(jù)就能完美重構(gòu)n個分布式數(shù)據(jù)值。
　　本文模擬在開放無限環(huán)境中,以一定擴(kuò)散系數(shù)從初始時(shí)刻向四周