基于壓縮感知的無線傳感器網(wǎng)絡信號采集和稀疏表示研究.pdf

1、隨著無線傳感器網(wǎng)絡（WSNs）的規(guī)模逐漸擴大，能耗問題已成為亟待解決的關鍵問題之一。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的精確重構，因此將其應用到無線傳感器網(wǎng)絡中能實現(xiàn)網(wǎng)絡低能耗。壓縮感知理論包括三個核心部分：信號稀疏表示、構建觀測矩陣、重構原始信號。
　　本文圍繞無線傳感器網(wǎng)絡中基于壓縮感知的信號采集和稀疏表示，設計了針對WSNs的信號采集方案，也就是觀測矩陣的

2、構建方法；研究和分析了不同稀疏表示方法在壓縮感知框架中的應用，并針對傳感器網(wǎng)絡信號做出了相應改進。本文的具體貢獻有如下兩點：
　?。?）常用的隨機觀測矩陣不依賴于信號本身，需要較大的存儲空間進行預先存儲，同時由于生成隨機矩陣對于硬件要求較高，帶來的硬件成本較大。本文針對WSNs的信號采集，通過對LEACH算法的深入學習，將CS理論與LEACH算法分簇思想相結合，制訂了CS-LEACH信號采集方案。根據(jù)此方案構造基于分簇的具有分布式

3、網(wǎng)絡特性的觀測矩陣。實驗結果表明：本方案有效解決了隨機矩陣預先存儲占用內(nèi)存的問題，并且有效地延長了WSNs的整體生命周期。
　?。?）為了尋求更好的適用于WSNs信號的稀疏基，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造的稀疏變換矩陣（PCA變換）以及基于K-SVD方法構造稀疏表示字典。對于離散余弦變換，本文對原始信號值進行了排序，并分析了排序對該稀疏基的影響，實驗結果表明：排序

4、后的DCT基對數(shù)據(jù)的恢復精度明顯優(yōu)于未排序時；對于PCA變換，本文介紹了采用主成分分析方法對信號進行稀疏表示的方法，并通過實驗分析了其在信號重構中的表現(xiàn)；對基于K-SVD方法構造的稀疏表示字典，本文對該方法中初始字典的選擇做了改進，結合K-SVD和離散余弦變換矩陣，構造出一種適用于分布式WSNs信號稀疏表示的字典K-SVD-DCT。實驗結果表明：K-SVD-DCT比用傳統(tǒng)K-SVD方法構造的字典恢復精度更高且收斂的穩(wěn)定性更好；同時，相比