多稀疏基分簇压缩感知的WSN数据融合方法

针对传感器节点采集数据精度与能量消耗的矛盾,提出多稀疏基分簇压缩感知的无线传感器网络WSN(Wireless Sensor Network)数据融合方法。该方法利用改进的阈值对随机部署的传感器节点进行簇首选择继而形成最优簇,簇首采用伯努利随机观测矩阵对簇内节点信号进行线性压缩投影,然后将压缩的信息传送给汇聚节点,减少数据传输即降低通信能耗,从而提高网络的生命周期。根据传感器节点监测信号在有限差分和小波中都具有可压缩特性,汇聚节点在有限差分和小波两个稀疏基的约束下,利用OOMP算法分别对线形压缩投影信息进行重构;并采用最小二乘法融合重构信号,提高数据精度。仿真实验结果表明,多稀疏基分簇压缩感知的WSN数据融合方法在减少数据发送的情况下,能提高整个网络的生命周期,解决采集数据精度与网络生命周期的矛盾。

WSNs中的分簇式压缩感知

提出了基于无线传感器网络的分簇式压缩感知算法。首先研究了随机压缩采样技术在硬件资源受限的无线传感器网络节点中的技术解决方案。在此基础上提出了在簇头中生成随机采样序列并分发给簇成员,然后在簇成员中进行低速随机采样,最后在簇头中进行信号重构的分簇式压缩感知算法。声音信号的压缩感知实验表明,压缩感知技术能够在硬件资源受限的节点中实现,且提出的分簇式压缩感知算法在没有信息丢失的压缩采样下大大降低了通信能耗。