压缩传感理论应用于大规模高密度无线传感器网络中关键技术研究

无线传感器网络作为物联网核心技术之一，正由理论迈向实践应用阶段。然而，传感器节点硬件资源受限、能量极其有限，难以满足大规模高密度海量信息的传送和处理，成为制约WSN大规模应用的重大技术难题。压缩传感是国际上新兴的热点研究理论，它改革传统信号获取技术。本课题创新地将压缩传感理论引用到WSN中，突破大规模高密度数据传输的技术瓶颈，为信息采集和传送提供一种全新的解决方案。针对大规模高密度空间、时- - 空联合稀疏特性，创新建立空间、时- - 空联合压缩传感信息采集模型；对三大关键技术开展创新性研究，构造基于过完备原子库的最优稀疏基底；构建符合紧致RIP原则的动态测量矩阵集；创新提出适合稀疏度未知的自适应高精度快速重构算法；仿真验证模型与算法的优越性；并在本课题组硬件平台基础上搭建大规模高密度WSN硬件平台，进行实际测试。本研究对推动压缩传感理论在WSN中的发展和实用化以及对物联网技术的发展具有重要意义。

无线传感器网络中的传感器节点硬件资源受限、能量极其有限，难以满足大规模高密度海量信息传送和处理的需求，成为制约WSN大规模应用的重大技术难题。压缩传感是国际上新兴的热点研究理论，它改变传统信号获取技术。本课题创新地将压缩传感理论引用到WSN中，突破大规模高密度数据传输的技术瓶颈，为信息采集和传送提供一种全新的解决方案。.根据项目年度计划安排，项目组有序开展了大量的研究工作。针对大规模高密度无线传感器网络在海量信息处理面临的瓶颈，深入研究LHWSN中节点间信号的空间互相关性和节点内外信息集的时空联合稀疏性，建立空间相关信息采集模型；对于无线传感器网络中普遍采用的层簇多跳路由机制，引入压缩传感理论，构建了基于压缩传感理论的多参量信息融合稀疏模型，解决了传统网络中靠近汇聚节点的簇首能耗负担过重，容易过早死亡而降低整个网络生存周期的难题；针对系统在多跳传输时的海量数据处理问题，提出一种分层感知模型，只需传输少量测量值，就可高精度高效率地重构海量数据，此模型不仅解决了海量数据处理的问题，并在平衡系统传输负载以及延长网络寿命方面有显著效果，同时提出了一种能耗均衡的自适应感知算法，真正实现了网络自适应组织；基于压缩传感并结合矩阵低秩性，充分利用网络中信号的时空稀疏特性，提出一种适应于LHWSN的数据稀疏采样的模型，且便于硬件实现；利用LHWSN中数据的稀疏性，研究不同数据结构下的稀疏框架，针对不同信号构建相应的稀疏基底,研究了基于压缩传感理论的自适应构建DbN小波组合稀疏基底的新方法，特别适合于无线传感器网络中具备时间相关度的传感信号进行稀疏表示；针对实际应用中原始信号稀疏度未知的特性，提出一系列无须得知信号稀疏度或预估计信号稀疏度便可重构出原始信号的重构算法，例如提出一种稀疏度自适应的迭代阈值压缩采样匹配追踪（ITCSAMP）算法,在测量值较小的情况下仍能实现稳定重构；提出一种稀疏度自适应的压缩采样匹配追踪（CSAMP）算法，在提高算法准确度与效率的同时，对噪声有较好的鲁棒性；还提出一种自校验正交匹配追踪（ScOMP）算法等；在上述研究基础上提出一种针对匹配追踪类算法的预加权方法，即预加权匹配追踪（PwMP）算法。此外，项目组搭建LHWSN模型测试平台，对研究工作进行实验验证和实际测试。本研究对推动压缩传感理论在WSN中的发展和实用化以及对物联网技术的发展具有重要研究意义。

内容获取失败，请点击重试