分布式过程监控信源压缩编码应用与研究

摘要

煤矿物联网需要部署大量的无线传感器，但是传感器数量的增加会导致网络数据量剧增，传输可靠性下降；同时矿用无线传感器节点还面临着能量受限等问题。研究表明只要降低传感器输出到网络的数据量，就可有效解决以上问题，因此高效可靠的压缩编解码方法成了煤矿物联网技术的研究热点。新兴的分布式压缩感知可以用更低采样率来实现信号的压缩编码，有效降低网络传输数据量，特别适用于煤矿物联网场景。 本文以典型的过程类监控信源——煤矿微震信号为例，分析其空间相关性和稀疏性，比较压缩感知和分布式压缩感知恢复效果。实验结果表明，由于同时利用了信号内相关性和信号间相关性，分布式压缩感知在煤矿微震信号的编解码中有较好的压缩和恢复性能。 针对随机观测矩阵编码复杂度高、难于硬件实现的问题，研究了一种基于低密度奇偶校验码(LDPC)校验矩阵的稀疏观测矩阵——类LDPC观测矩阵。分析了类LDPC矩阵行重对微震信号测量精度的影响，构建了适用于微震信号的类LDPC观测矩阵，实验表明当采样率达到0.35时，类LDPC观测矩阵（行重为20）已经有较好的恢复效果，恢复误差小于0.1，恢复成功率为97%。 针对贪婪类解码算法恢复精度有限的问题，结合蝙蝠算法和正交匹配追踪算法，提出了一种基于蝙蝠优化的解码算法(CS_BA)；并将算法扩展到分布式压缩感知联合解码中，进一步提出基于蝙蝠优化的联合解码算法(DCS_BA)。实验表明，与传统的贪婪迭代算法相比，本算法在小信道噪声的情况下有更好的恢复能力。对于煤矿微震信号，DCS_BA算法的平均恢复误差比CS_BA算法低0.1。但是CS_BA算法和DCS_BA算法的抗噪声性能较差，在大噪声的情况下算法恢复精度下降明显。 针对贪婪追踪算法抗噪声性能较差的问题，提出了一种基于分层置信传播的解码算法(CS_LBP)；并将算法扩展到分布式压缩感知中，进一步提出基于分层置信传播的联合解码算法(DCS_LBP)。实验表明，本算法在有较大信道噪声的情况下有良好的恢复性能，且DCS_LBP算法在采样率低至0.2时，运用边信息依然可以较好的恢复微震信号。

目录

声明

致谢

变量注释表

1 绪论

1.1 研究背景与意义

1.2分布式压缩感知研究现状

1.2.1 稀疏表示研究现状

1.2.2 观测矩阵研究现状

1.2.3 压缩感知解码算法研究现状

1.2.4 分布式压缩感知联合解码算法研究现状

1.2.5 分布式压缩感知在煤矿行业内研究现状

1.3论文的研究内容和创新点

（1）煤矿分布式过程类信源联合稀疏性分析

（2）低计算复杂度的采样编码

（3）基于蝙蝠优化的解码算法

（4）基于分层置信传播的解码算法

1.4论文组织结构

2 信号分析理论基础

2.1压缩感知

2.1.1 信号的稀疏表示

2.1.2 观测矩阵

2.1.3 压缩感知解码算法

2.2分布式压缩感知

2.2.1 联合稀疏模型

2.2.2 联合解码算法

2.3煤矿微震信号空间相关性分析

2.4煤矿微震信号稀疏性分析

（1）离散傅立叶基

（2）小波基

（3）离散余弦基

2.5煤矿微震信号编解码实验

2.6本章小结

3 基于类LDPC观测矩阵的压缩编码

3.1常用的测量矩阵

3.1.1 高斯随机矩阵

3.1.2 部分哈达玛矩阵

3.1.3 logistics混沌矩阵

3.2 LDPC码的基本概念

3.2.1 LDPC码的概念和表示

3.2.2 LDPC码的构造

3.3类LDPC观测矩阵

3.4实验结果与分析

3.5本章小结

4 基于蝙蝠优化的解码算法

4.1蝙蝠算法

4.2基于蝙蝠优化的压缩感知解码算法

4.2.1 位置及适应度函数

4.2.2 初始化

4.2.3 更新机制

4.2.4 算法流程

4.3基于蝙蝠优化的分布式压缩感知联合解码算法

4.3.1 适应度函数

4.3.2 初始化

4.3.3 更新机制

4.4实验结果与分析

4.4.1 算法精度分析

4.4.2 算法效率分析

4.5微震信号中的应用

4.6本章小结

5 基于分层置信传播的解码算法

5.1分层置信传播算法的基本概念

5.1.1 LDPC码置信传播译码算法

5.1.2 LDPC码分层置信传播译码算法

5.2基于分层置信传播的压缩感知解码算法

5.2.1 消息初始

5.2.2 消息传递

5.2.3 算法步骤

5.3基于分层置信传播的分布式压缩感知联合解码算法

5.3.1 信号模型

5.3.2 信号恢复

5.4实验结果与分析

5.4.1 算法精度分析

5.4.2 算法效率分析

5.5微震信号中的应用

5.6本章小结

6 结论与展望

6.1结论

6.2展望

参考文献

作者简历

学位论文原创性声明

学位论文数据集