無(wú)線傳感器網(wǎng)絡(luò)中DCS算法研究.pdf

1、無(wú)線傳感器網(wǎng)絡(luò)（WSN,Wireless Sensor Networks）是由分布在監(jiān)測(cè)區(qū)域內(nèi)大量的傳感器節(jié)點(diǎn)組成。節(jié)點(diǎn)會(huì)采集監(jiān)測(cè)區(qū)域內(nèi)的目標(biāo)信息，并將采集到的數(shù)據(jù)通過(guò)簇頭節(jié)點(diǎn)傳輸?shù)教幚矶?。直接將?shù)據(jù)進(jìn)行傳輸會(huì)因?yàn)榇嬖诖罅咳哂嘈畔?，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(duì)無(wú)線傳感器網(wǎng)絡(luò)中的數(shù)據(jù)進(jìn)行壓縮處理。無(wú)線傳感器節(jié)點(diǎn)一般是微型而又廉價(jià)的，在對(duì)數(shù)據(jù)進(jìn)行壓縮是要考慮到節(jié)點(diǎn)的計(jì)算能力。
　　本文對(duì)無(wú)線傳感器網(wǎng)

2、絡(luò)的特點(diǎn)進(jìn)行了描述，并介紹了以往的無(wú)線傳感器網(wǎng)絡(luò)中的數(shù)據(jù)壓縮方法。同時(shí)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(jìn)行重構(gòu)得到原始數(shù)據(jù)。壓縮感知技術(shù)具有算法計(jì)算復(fù)雜度低、壓縮效果良好的特點(diǎn)，非常適合無(wú)線傳感器網(wǎng)絡(luò)。同時(shí)研究了利用不同節(jié)點(diǎn)信號(hào)相關(guān)性，將聯(lián)合稀疏模型和壓縮感知結(jié)合起來(lái)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(duì)壓縮感知的基本理論進(jìn)行了深刻的闡述，并對(duì)壓縮感知的數(shù)學(xué)模型、信號(hào)的稀疏變換、觀測(cè)矩陣的選取和信號(hào)的重構(gòu)進(jìn)行了細(xì)致的分析。本論文主要針對(duì)無(wú)線傳感器網(wǎng)絡(luò)中壓縮感知算法問(wèn)題進(jìn)行了研究，主要貢獻(xiàn)如下：
　　本文提出一種改進(jìn)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(duì)步長(zhǎng)的改進(jìn)，降低梯度投影法中收縮路徑的鋸齒問(wèn)題。通過(guò)仿真實(shí)驗(yàn)表明改進(jìn)的梯度追蹤算法兼顧重構(gòu)速

4、度和重構(gòu)精度兩個(gè)問(wèn)題，優(yōu)于已有的一些算法。
　　本文提出了一種動(dòng)態(tài)自組織成簇算法，該算法能在對(duì)無(wú)線傳感器網(wǎng)絡(luò)中的數(shù)據(jù)進(jìn)行壓縮感知算法處理后，對(duì)無(wú)線傳感器網(wǎng)絡(luò)中的節(jié)點(diǎn)進(jìn)行有效的分簇，確保各簇內(nèi)部節(jié)點(diǎn)間具有較強(qiáng)的相關(guān)性。
　　本文提出了無(wú)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(wú)線傳感器網(wǎng)絡(luò)中分布式的概念，對(duì)分簇后的簇內(nèi)數(shù)據(jù)進(jìn)行聯(lián)合處理。在實(shí)際的應(yīng)用當(dāng)中，無(wú)線傳感器網(wǎng)絡(luò)中有大量的傳感器節(jié)點(diǎn)，使用分