关键词： 无线传感器网络   压缩感知   观测矩阵   重构算法   残差更新度  

摘要： 无线传感器网络技术作为物联网核心技术之一，近年来得到了国内外学者的广泛关注。研究发现无线传感器网络的寿命主要取决于路由节点转发的数据量。因此将数据压缩，减小传输信息的数据量可以有效的延长网络寿命，扩大无线传感器网络的应用范围。本论文引入压缩感知的方法压缩数据，减小传输数据量。并结合无线传感器网络分布式信息采集、处理的特点，引入分布式压缩感知进行信号处理，增强信息压缩效果。本文的主要工作包括以下内容。 基于压缩感知基础理论，分析无线传感器网络的监测信号的稀疏性，实现单信号独立压缩和重构。本文研究了高斯随机矩阵、贝努力随机矩阵、部分正交矩阵、部分哈达玛矩阵对信号重构精度和数据压缩程度的影响；研究匹配追踪算法、正交匹配追踪算法、梯度追踪算法对于信号重构精度，重构计算复杂度等指标的影响，确定我们实际应用的观测矩阵和重构算法。 针对只能依靠经验估计来确定重构算法的迭代次数这一问题进行了研究。研究发现，要得到较好的重构结果，采用经验估计法确定的迭代次数不准确，必须选取一个较大的值，这极大的浪费了运算资源。尤其在使用随机矩阵作为观测矩阵时，矩阵的随机性会导致重构算法迭代到相同精度时，迭代次数是一个浮动的值。为此，我们提出了残差更新度的概念，利用残差匹配度的规律在迭代过程中动态决定是否停止迭代运算。 研究分布式压缩感知的信号重构，使用联合稀疏模型1进行信号重构。利用信号公有部分多为低频缓变信号的特点，改变重构信号在进行重构计算时使用的观测矩阵，避免信号共有部分高频分量的计算，减小计算量，同时减小了误差。 经过研究，本设计完成了无线传感器网络采集信号并组网传输至上位机显示。通过无线传感器网络实际应用环境的实验，验证了上述成果。验证表明，本算法的应用减少了网络传输数据量，降低了网络整体功耗。

关键词： 无线传感器网络   数据压缩   压缩感知   稀疏矩阵   联合稀疏  

摘要： 无线传感器网络的应用为人类的生产和生活提供了极大的便捷。与传统的网络相比,无线传感器网络是一个能量有限的网络。如何在保证数据收集准确性的同时并降低网络的能耗,是设计无线传感器网络首要考虑的问题。数据压缩作为一种能够节省网络能量消耗,有效延长网络生存周期的方法,近年来受到越来越多的关注。 本文在分析基于压缩感知的数据压缩算法的基础上,以最大限度节省网络能量为目标,分别对分布式稀疏随机投影算法和分布式压缩感知算法进行了相应的改进。本文主要的工作如下： 首先,针对分布式稀疏随机投影算法在编码时存在大量冗余信息的问题,提出了一种集中式压缩感知算法。该算法在保证数据收集精度的前提下,在簇头节点对簇内成员节点的感知数据进行随机投影,并通过把投影数据和上一个簇头传来的投影数据进行求和来减少网络的传输数据量,从而达到减少网络传输能耗的目的。 其次,针对分布式压缩感知算法不能确定感知数据是否具有联合稀疏结构的问题,提出了一种两级压缩感知算法。该算法在保证收集数据精度的前提下,通过在簇内成员节点和簇头节点进行两次压缩,最大程度的去除原始数据的冗余信息,减少网络中的数据传输量,从而达到减少网络传输能耗的目的。 最后,本文对提出的两种算法进行了理论分析,并在相同平台上对本文提出的算法和对比算法进行了仿真比较。仿真结果表明：对于具有稀疏结构的信号,集中式压缩感知算法能够有效地减少网络的传输能耗；对于具有联合稀疏模型的信号,两级压缩感知算法能够很好的减少网络的传输能耗,从而验证了本文所提出的算法的有效性。

关键词： 无线传感网络   压缩感知   稀疏   重构  

摘要： 信息、来源的模拟化与信息处理工具的数字化成为信息时代的两大主要特征。信号的采样是联系这两大特点所必须的桥梁。然而随着信息需求量的不断增加及带宽的不断加宽,使得现有的采样定理对宽带信号的处理越来越难,也就给信号的采集、储存、传输、处理等带来了极大的压力。例如在传感器网络中,随着节点的不断增多,网络的功能不断加强,其海量的数据传输及储存就是一个艰难的工作。 本文详细介绍了无线传感器网络的数据处理理论和压缩感知理论。在此基础上,将压缩感知的方法引入到无线传感器网路的数据采集处理过程中,即在传感器节点稀疏采集数据并观测结果,使得网络只需要传送和储存少量的数据,同时在接收端利用重构矩阵重构出原始数据。 以一个综合温度、湿度及气体传感器的传感器阵列作为网络的一个节点,将它测得的数据作为待处理数据,进行稀疏和观测,观测得到的数据不到原数据的20%,重构数据原始数据的逼近误差为1.5011。又针对一个只由气体传感器所组成的传感器阵列作为一个节点进行数据的稀疏和重构,再利用BP神经网络对重构后的数据进行气体定量和定性的识别,找到能使CO、H2、CH4三种气体达到定性识别的最小的稀疏系数m,再找到能使CH4定量检测的精度达到80%的最小稀疏系数m。利用网络中节点间感知数据空间相关性,对网络的感知数据进行压缩、重构。最后,通过仿真分析了压缩感知在能量有效性方面的性能,仿真结果表明压缩感知以能量有效的方式满足了无线传感器网络中事件估计的精确度要求。

关键词： 合成孔径雷达   原始回波数据压缩   分块自适应量化编码   小波变换   压缩感知   成像算法  

摘要： 合成孔径雷达(Synthetic Aperture Radar ,SAR)作为一种高分辨率成像雷达,正向多频段、多极化,超高分辨率以及多种工作模式方向发展,SAR原始数据量随之急剧增加,带来的是数据的传输和存储难题。对SAR原始数据进行有效压缩,是解决这一难题的一种有效方法。本文的工作就是对一种新的SAR原始数据压缩算法-基于压缩感知理论的SAR原始回波数据压缩算法进行研究。 本论文首先分析了SAR原始回波数据的特点,包括统计特性,频谱特性,相关特性,介绍了量化编码基本知识,回顾了两种经典的SAR原始回波数据压缩方法——分块自适应量化编码算法和将小波变换和分块自适应量化编码(BAQ)结合在一起的基于小波变换SAR原始回波数据压缩算法,利用两种方法对SAR原始回波进行压缩,给出了详细方案并对实验结果作出了评价。 接着重点介绍了最新的压缩感知理论,通过分析给出了SAR信号的稀疏表示形式,以及压缩感知理论运用于SAR原始回波数据的适用条件。在研究将压缩感知理论运用于SAR原始回波数据压缩时,考虑了原始数据的选取,测量值的获取,信号的恢复等问题。将SAR成像算法看作是一种变换基,和压缩感知理论相结合,实现了基于压缩感知理论的SAR原始回波数据压缩,并将其同传统的两种压缩方法作比较。 实验结果表明将压缩感知理论运用于SAR原始回波数据压缩,能够在有效降低SAR原始回波数据率的同时,依然能保留图像中大部分重要目标信息。

关键词： 数据压缩   区域重心   共顶点  

摘要： 三维激光扫描获得的点云数据,其数据量比较大,通过分析三维激光扫描数据的特点,本文提出了两个数据压缩方法,分别为区域重心数据压缩法和基于三维TIN数据的共顶点数据压缩法,介绍了两种数据压缩方法的原理和实现过程,并对区域重心数据压缩法进行实例分析,得出了压缩结果。