分布式压缩感知及其在煤矿监控信源编码中的研究与应用

摘要

物联网技术在煤矿推广应用面临着网络带宽受限、传输互扰严重和无线传感节点能量、计算能力受限的问题。高效、可靠、低编码复杂度的信源编码算法已经成为煤矿物联网发展中亟待解决的关键科学问题。分布式压缩感知既能利用信号内相关性又能利用信号间相关性，能把工作量从编码端转移至解码端，而且可以通过适当提高测量数达到抗噪声的作用，特别适合煤矿监控信源编码，因此，本文就分布式压缩感知及其在煤矿监控信源编码中应用所面临的关键科学问题，展开了以下研究： 信号具有稀疏性和联合稀疏性是能够应用分布式压缩感知的前提条件，因此，研究了具有代表性的煤矿瓦斯浓度信源和煤矿图像监控信源在离散傅里叶基上的稀疏性和联合稀疏性。研究结果表明它们在傅里叶基上稀疏性和联合稀疏性良好，适合使用分布式压缩感知进行编解码，这为后续进行编解码算法研究打下了基础。 针对随机测量矩阵存在性能不确定、需传输测量矩阵的问题；稠密测量矩阵存在编码复杂度高的问题，本文以Bose提出的一类平衡不完全区组设计的关联矩阵为基础框架，利用矩阵植入技术植入傅里叶矩阵，构造了一类性能优良、编码复杂度低的确定性稀疏测量矩阵。实验结果表明，在有噪声和无噪声条件下，该测量矩阵应用于随机信号、煤矿监控信号(以瓦斯浓度和煤矿图像信号为例)编码时性能优异。 利用二进制伪随机序列既有确定性又有良好不相关性的特点，采用性能优良的二进制伪随机序列-GMW序列构造了一类确定性稀疏测量矩阵。以GMW（Gordon-Mills-Welch）伪随机序列为临时矩阵的初始原子，通过循环移位构造临时矩阵的其他原子，从临时矩阵中随机抽取部分行构造了一类性能优异的确定性稀疏测量矩阵。实验结果表明，在有噪声和无噪声条件下，该测量矩阵应用于随机信号、煤矿监控信号(以瓦斯浓度和煤矿图像信号为例)编码时性能优异。 针对贪婪匹配追踪类解码算法容易陷入局部最优解的问题，受到灰狼优化算法具有全局搜索能力的启发，提出了基于灰狼优化的联合解码算法。该算法模拟联合支撑集为灰狼的位置，用阈值算法初始化灰狼位置，用子空间匹配追踪算法的回溯机制评价联合支撑集，利用灰狼优化的寻优机制寻找最优联合支撑集。由于继承了以上算法的优点，该算法具有跳出局部最优解，继续寻找全局最优解的能力。实验结果表明，该算法应用于随机信号、煤矿监控信号(以瓦斯浓度和煤矿图像信号为例)编码时性能优于贪婪匹配追踪类联合解码算法。 结合正交匹配追踪算法和前后向匹配追踪算法提出了联合混合正交前后向匹配追踪算法。该算法使用前后向匹配追踪算法的回溯机制评价原子，在前向阶段使用正交匹配追踪算法逐一选择原子，从而提高了原子选择准确率。实验结果表明，该算法应用于随机信号、煤矿监控信号(以瓦斯浓度和煤矿图像信号为例)编码时性能优异。

目录

第一个书签之前