无线传感器网络中基于压缩感知的数据收集技术研究

摘要

无线传感器网络作为物联网的重要组成之一，已经得到了各界学者广泛关注。由于无线传感器网络由大量能量有限的微型节点组成，如何降低网络中的能量消耗成为无线传感器网络研究的关键问题。压缩感知理论的出现，取代了传统的奈奎斯特采样定理，同时其编码端简单，解码端复杂的特点为无线传感器网络中的数据收集提供了一种新的思路。本文的主要工作包括以下内容：
　　(1)本文首先从压缩感知的基本原理入手，总结了测量矩阵的构造要求，分析了托普利兹和循环等常用确定性矩阵，在随机间距稀疏矩阵的基础上，提出利用SVD优化贝努力矩阵的主对角元素作为种子向量，并根据该种子生成新的随机间距稀疏循环矩阵，相比Toeplitz等矩阵所需的随机独立变元个数更少，并且矩阵信息更集中，实验表明重构效果相比高斯等随机矩阵更好，并且将矩阵利用到无线传感器网络链式数据收集方案中，实验表明了相比一般无线传感器网络压缩感知数据收集方案大量减少了网络传输量，整个网络的能耗得到减少。
　　(2)由于节点的通信距离的限制，节点可能无法通过单跳到达汇聚节点，针对无线传感器网络的分簇结构，本文提出基于稀疏混合压缩感知的分簇结构数据收集方案，将无线传感器网络分簇结构分为两部分：在簇内，簇头利用基站发来的种子向量生成对应的随机间距稀疏矩阵采用压缩感知技术采集簇内数据；在簇间，簇头通过之前构建好的簇间多跳路由将测量值转发至基站。最后，本文做了性能分析与比较，分析结果表明该方法不管在簇内还是簇间能耗都优于其他方案。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 研究背景

1.2 研究意义

1.3 压缩感知的国内外研究现状

1.4 论文主要贡献

1.5 论文的主要内容和组织结构

第二章 相关技术与研究

2.1 压缩感知技术简介

2.2 基于压缩感知的无线传感器网络数据收集方案

第三章 基于SVD稀疏测量矩阵的WSN压缩感知方法

3.1 引言

3.2 相关研究

3.3 基于稀疏随机间距Toeplitz矩阵的优化

3.4 基于压缩感知的链式无线传感器网络数据收集

3.5 示例应用场景设置

3.6 实验仿真

3.7 本章小结

第四章 WSN中基于混合压缩感知的分簇结构数据收集

4.1 相关工作

4.2 基于混合压缩感知的无线传感器网络模型

4.3 基于混合压缩感知的无线传感器网络数据收集算法

4.4 网络能耗分析

4.5 算法完整描述

4.6 仿真与分析

4.7本章小结

第五章 总结与展望

5.1 总结

5.2 展望

参考文献

发表论文和科研情况说明

致谢