基于压缩感知的数据压缩与检测.pdf

《基于压缩感知的数据压缩与检测.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第24卷第3期计算机技术与发展V01．24No．32014年3月C0MPUTERTECHNOLOGYANDDEVELOPMENTMar．2014基于压缩感知的数据压缩与检测李燕，王博(南京邮电大学通信与信息工程学院，江苏南京210003)摘要：在无线传感器网络(WSN)中，以往都是采用奈奎斯特技术对信号进行采样并重构，而随着信号频率的增加，应用奈奎斯特技术会使成本大幅度的增加，这是人们所不乐见的。针对这一一问题，近年来出现一种新的技术即压缩感知技术，它能利用更少的数据和合适的重构方法得到更精确的

2、原始信号。将稀疏贝叶斯学习(SBL)和压缩感知联合起来，形成了一种在有噪声的情况下更好重建可压缩信号的方法，并进一步将这种方法应用在WSN中，可以在误差允许的范围内有效控制测量数据的维数，在保证一定误差的同时还减少了成本，提高了算法的效率。关键词：无线传感网络；压缩感知；贝叶斯模型；信号重构中图分类号：TN91文献标识码：A文章编号：1673—629X(2014)03—0198—04doi：10．3969／j．issn．1673—629X．2014．03．049DataCompressionan

3、dDetectionBasedonCompressiveSensingLIYan，WANGBo(CollegeofCommunicationandInformationEngineering，NanjingUniversityofPostsandTelecomunications，Nanjing210003，China)Abstract：Inwirelesssensornetworks，signalissampledandreconstructedusingthetechnologyofNyqu

4、istinthepast．Butitrequiresasubstantialincreaseinthecostwiththegrowthofthesignalfrequency，whichisthatpeopledonotliketosee．Recentlyanewtechnologyisemerged，whichiscalledcompressivesensingtechnology．Compressivesensingcanusetessdataandappropriatereconstru

5、ctionmethodtogetamoreaccurateoriginalsigna1．PutSparseBayesianLearning(SBL)andcompressivesensingtogethertoformabetterwayofre—constructingcompressiblesignalunderthenoise．Thismethodcanefectivelycontrolthedimensionofmeasurementdatawithintherangeofallowed

6、errorinWSN，soyoucanensureacertaindegreeoferrorwhilereducingthecost，improvingtheeficiencyofthealgorithm．Keywords：wirelesssensornetworks；compressivesensing；Bayesianmodel；signalreconstructionO引言借助贝叶斯模型得到整体数据后验概率的分布。在有无线传感网络是在某个特定区域内由大量独立噪声条件下，BP和OMP等方法都

7、不能很好地重构分布的传感器节点组成的。主要是由传感器节点感知原来信号，但贝叶斯模型就可以。并且通过大量实数据，然后所感知的数据即监测数据经由其他传感器验表明选择合适的反馈系数控制采集数据的维数可以逐跳地进行传输，最终到达汇聚节点，汇聚节点把接收在保证允许误差的前提下尽量减少测量次数，降低成到的数据借助互联网传输到管理节点，用户可以通过本，提高算法效率。管理器节点对传感器网络进行人工实时监控和管理。但是传感器节点一般是采用微型电池供电并且不可以1压缩感知的总述频繁地进行更换，所以能量是有限的。尽可

8、能减少能压缩感知理论采用非自适应线性投影保持信号量的消耗，即降低功耗是无线感知网络研究的首要问的原始结构，以亚奈奎斯特频率对信号进行采样，通过题。应用近年来形成的压缩感知技术就是一种有效途解数值最优化问题准确重构出原始信号。压缩感知的径。压缩感知技术⋯在国内外许多领域都得到了广泛一个基本观点就是：当信号在某一组已知基是稀疏的的应用并取得了很显著的效果。在信号的重构方面，可以很大地减少需要储存数据的测量。所以感知信号相对于常用的贪婪追踪重构算法实现点的估计，文中必须可以用稀疏性或可压缩性形式表示。