無線傳感器網絡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，無線傳感器網絡需要對數(shù)據(jù)進行高能效的壓縮。相對傳統(tǒng)的數(shù)據(jù)壓縮方法，壓縮感知因其以遠低于Shannon-Nyquist采樣頻率對信號采樣而被認為是高效的數(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，實際中傳感器網絡得到的觀測數(shù)據(jù)許多并不具備稀疏性，但數(shù)據(jù)間存在一定的時空相關性。因此，利用數(shù)據(jù)之間的相關性進行稀疏化處理，進而實現(xiàn)壓縮感知是一個值得研究且具有理論和實際意義的課題。
　　本文基于傳感器網絡中節(jié)

2、點采集數(shù)據(jù)的時空相關性，提出了四種適用不同情況的稀疏模型及相應的壓縮感知算法。首先，針對分簇網絡提出了兩種可適用于壓縮非稀疏信號的分布式壓縮感知算法，即基于節(jié)點輸出響應比值穩(wěn)定的分布式壓縮感知模型和基于節(jié)點輸出響應增量穩(wěn)定的分布式壓縮感知模型。實驗以正弦信號、線性信號及常量信號的合成信號為原始測試信號，采用正交匹配追蹤算法進行了對含噪測試信號的重構實驗，結果表明了本文所提算法能夠在減少測量值數(shù)目的情況下準確恢復信號，適用于對分簇網絡測量

3、數(shù)據(jù)的高能效分布式壓縮。根據(jù)視頻傳感節(jié)點在連續(xù)時間內采集圖像具有的時空相關性，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。首先分別計算相鄰兩幀圖像內每列元素與第一列元素的比值，然后計算兩個比值矩陣的差值，通過閾值判別將差值矩陣進行稀疏化處理，再對稀疏矩陣進行分塊壓縮感知編碼，由接收端恢復重建圖像信號。實驗表明該模型能夠在相鄰兩幀圖像的場景亮度變化的情況下實現(xiàn)重建，并可有效降低對節(jié)點存儲和計算能力的要求，有利于延長網絡生命周期。

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增量穩(wěn)定的圖像分塊壓縮感知算法。對相鄰兩幀圖像，先分別計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應像素求比值，得到各幀每一像素的灰度增量比，再對這兩幀圖像中對應像素的灰度的相對增量求差，通過閾值判別得到一個稀疏矩陣，從而對該矩陣進行分塊壓縮感知。對于場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現(xiàn)圖像重建，且重