WSN中基于压缩感知的高能效数据收集方案
可靠高效的数据收集是无线传感器网络(Wireless sensor networks, WSN)应用中的关键问题。然而,由于无线通信链路的高失效率、节点资源受限以及环境恶劣等原因,网络容易发生丢包问题,使得现有的数据收集方法无法同时满足高精度和低能耗的要求。为此,本文提出了一种基于压缩感知的高能效数据收集方案。该方案主要分为节点上的数据处理和数据收集路径优化两个步骤。首先设计了基于指数核函数的稀疏矩阵来对感知数据进行稀疏化处理,然后综合考虑了数据的传输能耗和可靠性等因素,采用分块矩阵的思路,将单位矩阵和准循环低密度奇偶校验(Low density parity check, LDPC)码的校验矩阵相结合构造了测量矩阵,并证明了它与稀疏矩阵之间满足限制等距性质(Restricted isometry property, RIP)。最后,将数据收集路径优化问题建模为哈密尔顿回路问题,并提出了基于树分解的路径优化算法进行求解。仿真结果表明,在网络存在丢包的情况下,本文方案仍然能够保证数据收集的高精确度,相比于其他数据收集方案而言,本文方案在数据重构误差和能耗方面的性能更优。
无线传感器网络、数据收集、压缩感知、树分解、重构误差、能耗
42
TP3;G
国家自然科学基金61472449,61173169,61402542资助Supported by National Natural Science Foundation of China 61472449,61173169,61402542
2016-12-20(万方平台首次上网日期,不代表论文的发表时间)
共9页
1648-1656