基于概率稀疏随机矩阵的压缩数据收集方法

《基于概率稀疏随机矩阵的压缩数据收集方法》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第36卷第4期电子与信息学报Vol.36No.42014年4月JournalofElectronics&InformationTechnologyApr.2014基于概率稀疏随机矩阵的压缩数据收集方法*张波刘郁林王开王娇(重庆通信学院DSP研究室重庆400035)摘要：测量矩阵设计是应用压缩感知理论解决实际问题的关键。该文针对无线传感器网络压缩数据收集问题设计了一种概率稀疏随机矩阵。该矩阵可在减少参与投影值计算节点个数的同时，让参与投影值计算的节点分布集中化，从而降低数据收集的通信能耗。在此基础上，为提高网络数据重构精度，又提出一种适用于概率稀疏随机

2、矩阵优化的测量矩阵优化算法。仿真实验结果表明，与稀疏随机矩阵和稀疏Toeplitz测量矩阵相比，采用优化的概率稀疏随机矩阵作为压缩数据收集的测量矩阵可显著降低通信能耗，且重构误差更小。关键词：无线传感器网络；压缩感知；稀疏测量矩阵；数据收集中图分类号：TP393;TN911.72文献标识码：A文章编号：1009-5896(2014)04-0834-06DOI:10.3724/SP.J.1146.2013.00700CompressiveDataGatheringMethodBasedonProbabilisticSparseRandomMatrice

3、sZhangBoLiuYu-linWangKaiWangJiao(DSPLaboratory,ChongqingCommunicationInstitute,Chongqing400035,China)Abstract:DesigningmeasurementmatrixisoneofthekeypointsofapplyingCompressedSensing(CS)tosolvepracticalissue.Inthispaper,akindofprobabilisticsparserandommatrixisdesignedforcompres

4、sivedatagatheringinWirelessSensorNetworks(WSNs).Besidescuttingthenumberofprojectioncalculatingnodes,theprobabilisticsparserandommatricesalsomaketheirlocationcentralized,whichleadsafurtherreductionofcommunicationoverhead.Then,anoptimizationmethodforprobabilisticsparserandommatri

5、cesisalsoproposedtoenhancetheaccuracyofnetworkdatareconstruction.ComparedwiththeexistingdatagatheringmethodusingsparserandommatricesandsparseToeplitzmatrices,theproposedmethodcanreducesignificantlynotonlytheenergyconsumption,butalsothereconstructionerror.Keywords:WirelessSensor

6、Networks(WSNs);CompressedSensing(CS);Sparsemeasurementmatrix;Datagathering[2]1引言达到节约节点能量目的。然而传统的数据压缩方法一般先将数据压缩后再传输，这种方法需要预先知无线传感器网络(WirelessSensorNetworks,[1]道整个网络(或者网络的一部分)节点间的相关性，WSNs)凭借其部署灵活、抗毁性强、高容错等独[3]会带来很高的额外通信开销(交换数据来感知节点特优势，在环境监测、城市管理、抢险救灾等众多间相关性带来的额外通信开销)。近年来，国内外研领域均具

7、有非常广阔的应用前景。传感器节点通常[4,5]究学者将压缩感知(CompressedSensing,CS)理采用微型嵌入式设备，携带的电池能量非常有限。论应用到网络数据收集中，提出了一种压缩数据收因此，在节点能量受限条件下，实现对网络数据的[6]集(CompressiveDataGathering,CDG)方法，该有效收集，成为亟待解决的关键问题。方法将CS的测量过程和WSNs的多跳路由相结合，为节约数据收集的通信能耗，可采用数据压缩在传输的过程中即可实现数据压缩，为WSNs高能技术对网络数据进行压缩，从而减少数据的传输量，效数据收集提供了一种理想的

8、解决思路。然而，文献[7]研究发现，采用传统的稠密测量2013-05-16收到，2013-12-18改回矩阵