壓縮感知的WSN數(shù)據(jù)融合研究.pdf

1、無線傳感器網(wǎng)絡(luò)(Wireless Sensor Network，WSN)是由大量廉價微型傳感器節(jié)點組成，通過無線通信方式形成的一個多跳的自組織網(wǎng)絡(luò)。傳感器節(jié)點具有體積小、成本低和精度高的優(yōu)點，其應(yīng)用范圍越來越廣，如環(huán)境監(jiān)控、生態(tài)監(jiān)測、醫(yī)療監(jiān)測等。然而，傳感器節(jié)點在存儲資源、計算能力、能量等方面的局限性，成為其進一步大規(guī)模應(yīng)用的阻礙。
　　 數(shù)據(jù)融合技術(shù)(Data Aggregation)可刪除多份數(shù)據(jù)之間的冗余數(shù)據(jù)，同時融合來自

2、不同節(jié)點的數(shù)據(jù)，最大限度地提取被測目標的信息量。目前，傳感器網(wǎng)絡(luò)中的數(shù)據(jù)融合技術(shù)得到了極大的關(guān)注。壓縮感知(Compressive Sensing，CS)理論作為新興的數(shù)據(jù)處理技術(shù)，為數(shù)據(jù)融合提供了新的思路。不同于傳統(tǒng)的Nyquist采樣定理，CS能夠以低速率進行信號采樣，并行地對數(shù)據(jù)進行適當壓縮處理，實現(xiàn)特征級融合。將CS理論應(yīng)用到WSN中，能夠顯著降低網(wǎng)絡(luò)的數(shù)據(jù)通信量，從而達到節(jié)省能量的目的。目前CS的WSN應(yīng)用研究剛剛起步，其實際

3、應(yīng)用模型還不完善，有待進一步探討和優(yōu)化。
　　 首先，針對目前壓縮感知的WSN應(yīng)用都局限于單個節(jié)點的數(shù)據(jù)處理，且未考慮節(jié)點之間關(guān)聯(lián)性的問題。本文提出了一種適用于WSN的協(xié)作壓縮感知策略。根據(jù)傳感器節(jié)點各自的能量消耗狀態(tài)，節(jié)點之間以協(xié)作的方式選擇稀疏基，進而通過冗余字典增大數(shù)據(jù)重構(gòu)的準確度。該策略能夠在未知接收數(shù)據(jù)的情況下，以合適的稀疏形式表示數(shù)據(jù)，適用于應(yīng)用場景復雜的WSN，更利于匯聚節(jié)點全面地獲取源節(jié)點的數(shù)據(jù)，并有效地增強傳輸

4、過程的魯棒性，達到降低能耗的目的。
　　 然后，本文討論了WSN特征提取后的決策級融合問題。當WSN規(guī)模增大或應(yīng)用增多時，數(shù)據(jù)量隨之上升，數(shù)據(jù)種類復雜。作為WSN的決策級融合，匯聚節(jié)點的分類算法需要考慮如何在減少傳感器節(jié)點上傳數(shù)據(jù)的同時，保證算法的分類準確度和快速性。作為CS的擴展，分布式壓縮感知(Distribution CompressiveSensing，DCS)適合應(yīng)用于具有分布式特性的無線傳感器網(wǎng)絡(luò)數(shù)據(jù)處理。由此，本文