基于分布式壓縮感知的氣象傳感網(wǎng)數(shù)據(jù)收集技術(shù)研究.pdf

1、無(wú)線氣象傳感器網(wǎng)絡(luò)具有分布域廣、部署容易、對(duì)環(huán)境影響小、成本低等優(yōu)勢(shì)，主要用于區(qū)域環(huán)境監(jiān)測(cè)。由于節(jié)點(diǎn)密集部署以及氣象要素具有時(shí)空連續(xù)性，網(wǎng)內(nèi)采集數(shù)據(jù)量大、冗余度高，若直接轉(zhuǎn)發(fā)數(shù)據(jù)會(huì)消耗大量資源。因此針對(duì)高冗余數(shù)據(jù)采取分布式壓縮采樣能夠顯著降低通信量。本文主要工作是利用氣象傳感網(wǎng)感知要素信息的時(shí)空相關(guān)性，研究基于分布式壓縮感知的氣象傳感網(wǎng)數(shù)據(jù)收集技術(shù):
　　本文首先介紹了無(wú)線氣象傳感網(wǎng)的基本架構(gòu)和特點(diǎn)，概述了傳感網(wǎng)內(nèi)數(shù)據(jù)收集技術(shù)、壓

2、縮感知以及分布式壓縮感知技術(shù)，分析了現(xiàn)有的基于分布式壓縮感知傳感網(wǎng)數(shù)據(jù)收集技術(shù)以及其性能，為進(jìn)一步研究氣象傳感網(wǎng)數(shù)據(jù)收集技術(shù)提供準(zhǔn)備工作。
　　針對(duì)簇型氣象傳感網(wǎng)內(nèi)節(jié)點(diǎn)感知信息規(guī)模大、冗余性高等問(wèn)題，本文設(shè)計(jì)出一種數(shù)據(jù)聯(lián)合稀疏預(yù)處理模型DPMJS(Data Preprocessing Model based on Joint Sparsity)，結(jié)合信源公共分量完成信源預(yù)處理。利用高斯隨機(jī)因子與感知數(shù)據(jù)生成的觀測(cè)權(quán)值完成分布式壓縮

3、采樣。相比于收集后再壓縮策略，該方案能夠直接從采樣端降低網(wǎng)內(nèi)信道通信量，均衡節(jié)點(diǎn)能耗。同時(shí)設(shè)計(jì)出一個(gè)基于信源公共分量的異常數(shù)據(jù)處理方案。通過(guò)仿真驗(yàn)證了DPMJS在提高信源聯(lián)合稀疏度和數(shù)據(jù)重構(gòu)方面的性能。
　　針對(duì)簇結(jié)構(gòu)參與節(jié)點(diǎn)數(shù)目過(guò)多等問(wèn)題，提出一種基于節(jié)點(diǎn)自身能耗分析的簇內(nèi)參與采樣節(jié)點(diǎn)數(shù)目控制策略PNOEA(The Participating Nodes Optimization model based on Energy An