基于空间耦合压缩感知的复杂流场烟羽精确捕获研究

Faced with the serious environmental pollution frequently occur in urban areas, it is need to carry out research on plume capture in complex flow field for the poisonous gas leakage. The research has great practical significance to protect people’s lives and property, as well as promote the harmonious development of economy and society. It is hard to improve the plume capture accuracy due to the sampling rate bottleneck of current gas sensors. This project intends to study the plume capture method based on spatially-coupled compressed sensing to get lower sampling rate and improve the accuracy. To this end, the project systematically carry out critical infrastructure research as follows. Firstly, a plume sparse model more consistent with the real plume environment will be established, which can enhance the credibility of simulation research. Secondly, the measurement mechanism of spatially-coupled matrix will be analyzed. At the same time, the optimization design method of spatially-coupled matrix will be proposed. Finally, the decentralized signal reconstruction strategy based on message passing method will be developed. This study is expected to lay the theoretical foundation for the precise plume capture in complex flow field. The research results have potential application prospect in the fields such as detecting poisonous gas leakage, fighting against biochemical terror attacks and disposing explosive.

面对日趋严重的城市突发环境污染问题，开展针对毒害气体泄漏的复杂流场烟羽捕获研究，对保障人民生命及财产安全，促进经济社会的和谐发展具有重大现实意义。由于当前气体传感器存在采样率瓶颈，导致烟羽捕获精度难以提高。为解决此难题，本项目拟研究基于空间耦合压缩感知的烟羽捕获方法，以达到降低采样率、提高捕获精确度的目的。为此，本项目系统地开展以下几方面的关键基础问题研究：建立与真实烟羽更吻合的烟羽稀疏信号模型，提升仿真研究的可信度；研究空间耦合矩阵的测量机理及最优化设计方法；研究基于消息传递方法的分布式压缩感知信号重建策略。本研究将为复杂流场中的烟羽精确捕获研究提供理论支持。研究成果在毒害气体泄漏监测、生化反恐/排爆等诸多方面有潜在应用。

面对日趋严重的城市突发环境污染问题，开展针对毒害气体泄漏的复杂流场烟羽捕获研究，对保障人民生命及财产安全，促进经济社会的和谐发展具有重大现实意义。由于当前气体传感器存在采样率瓶颈，导致烟羽捕获精度难以提高。为解决此难题，本项目旨在研究基于空间耦合压缩感知的烟羽捕获方法，以达到降低采样率、提高捕获精确度的目的。为此，本项目系统地开展了以下几方面的关键基础问题研究：建立与真实烟羽更吻合的烟羽稀疏信号模型，提升仿真研究的可信度；研究空间耦合矩阵的测量机理及最优化设计方法；研究基于消息传递方法的分布式压缩感知信号重建策略。在研究过程中，本项目取得了一系列重要成果，具体如下：（1）建立了一个开源多场景气体信号数据库，采集了室内、室外、风洞三种环境下的1000多段气体信号数据，可为相关领域的研究人员提供可靠的测试和对比实验数据集；（2）提出了适用于气体浓度信号的多通道分析稀疏模型，可为相关领域的研究人员提供良好的信号稀疏表达工具；（3）提出了基于深度学习理论的压缩感知采样架构，实现了采样—量化—重建的端对端设计方式，可为压缩感知领域研究人员提供理论及硬件架构支撑；（4）国际上首次提出星型及环形多通道气体传感器架构，不仅具备大尺度复杂流场中的烟羽信息采集能力，而且能够准确获得气味泄漏源的空间方向信息，提高了烟羽捕获系统的性能；（5）设计了两类新型压缩采样矩阵，可有效降低压缩采样硬件复杂度，提升系统续航时间，可广泛应用于大规模无线传感器网络、无线体域网等能量供给限制较大的场合；（6）设计了三类新型压缩重建算法，能够为相关领域研究人员提供面向各种不同类型应用场景的压缩感知重建算法综合工具。综合以上研究成果，本课题能够为复杂流场中的烟羽精确捕获研究提供理论及技术支持。研究成果在毒害气体泄漏监测、生化反恐/排爆等诸多方面有潜在应用。

内容获取失败，请点击重试