無(wú)線傳感器網(wǎng)絡(luò)中基于比值差稀疏的壓縮感知研究.pdf

1、受能量供給和通信帶寬的限制，無(wú)線傳感器網(wǎng)絡(luò)需要對(duì)數(shù)據(jù)進(jìn)行高能效的壓縮。相對(duì)傳統(tǒng)的數(shù)據(jù)壓縮方法，壓縮感知因其以遠(yuǎn)低于Shannon-Nyquist采樣頻率對(duì)信號(hào)采樣而被認(rèn)為是高效的數(shù)據(jù)壓縮方法。壓縮感知要求數(shù)據(jù)必須滿足稀疏條件，實(shí)際中傳感器網(wǎng)絡(luò)得到的觀測(cè)數(shù)據(jù)許多并不具備稀疏性，但數(shù)據(jù)間存在一定的時(shí)空相關(guān)性。因此，利用數(shù)據(jù)之間的相關(guān)性進(jìn)行稀疏化處理，進(jìn)而實(shí)現(xiàn)壓縮感知是一個(gè)值得研究且具有理論和實(shí)際意義的課題。
　　本文基于傳感器網(wǎng)絡(luò)中節(jié)

2、點(diǎn)采集數(shù)據(jù)的時(shí)空相關(guān)性，提出了四種適用不同情況的稀疏模型及相應(yīng)的壓縮感知算法。首先，針對(duì)分簇網(wǎng)絡(luò)提出了兩種可適用于壓縮非稀疏信號(hào)的分布式壓縮感知算法，即基于節(jié)點(diǎn)輸出響應(yīng)比值穩(wěn)定的分布式壓縮感知模型和基于節(jié)點(diǎn)輸出響應(yīng)增量穩(wěn)定的分布式壓縮感知模型。實(shí)驗(yàn)以正弦信號(hào)、線性信號(hào)及常量信號(hào)的合成信號(hào)為原始測(cè)試信號(hào)，采用正交匹配追蹤算法進(jìn)行了對(duì)含噪測(cè)試信號(hào)的重構(gòu)實(shí)驗(yàn)，結(jié)果表明了本文所提算法能夠在減少測(cè)量值數(shù)目的情況下準(zhǔn)確恢復(fù)信號(hào)，適用于對(duì)分簇網(wǎng)絡(luò)測(cè)量

3、數(shù)據(jù)的高能效分布式壓縮。根據(jù)視頻傳感節(jié)點(diǎn)在連續(xù)時(shí)間內(nèi)采集圖像具有的時(shí)空相關(guān)性，提出了一種基于幀間像素灰度比值穩(wěn)定的圖像分塊編碼算法。首先分別計(jì)算相鄰兩幀圖像內(nèi)每列元素與第一列元素的比值，然后計(jì)算兩個(gè)比值矩陣的差值，通過(guò)閾值判別將差值矩陣進(jìn)行稀疏化處理，再對(duì)稀疏矩陣進(jìn)行分塊壓縮感知編碼，由接收端恢復(fù)重建圖像信號(hào)。實(shí)驗(yàn)表明該模型能夠在相鄰兩幀圖像的場(chǎng)景亮度變化的情況下實(shí)現(xiàn)重建，并可有效降低對(duì)節(jié)點(diǎn)存儲(chǔ)和計(jì)算能力的要求，有利于延長(zhǎng)網(wǎng)絡(luò)生命周期。

4、最后，在和基于幀間像素灰度比值穩(wěn)定的編碼算法相同的建立條件下，提出了一種基于像素灰度的相對(duì)增量穩(wěn)定的圖像分塊壓縮感知算法。對(duì)相鄰兩幀圖像，先分別計(jì)算各幀每列元素與前一列元素的灰度差，以此灰度差與各幀第一列元素中的對(duì)應(yīng)像素求比值，得到各幀每一像素的灰度增量比，再對(duì)這兩幀圖像中對(duì)應(yīng)像素的灰度的相對(duì)增量求差，通過(guò)閾值判別得到一個(gè)稀疏矩陣，從而對(duì)該矩陣進(jìn)行分塊壓縮感知。對(duì)于場(chǎng)景亮度均勻變化或不規(guī)則變化的圖像，該算法均能以高概率實(shí)現(xiàn)圖像重建，且重