基于壓縮感知的高能效低信息密度數(shù)據(jù)收集方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及基于壓縮感知的高能效低信息密度數(shù)據(jù)收集方法，屬于通信技術(shù)和數(shù) 據(jù)收集領(lǐng)域。
【背景技術(shù)】
[0002] 無線傳感器網(wǎng)絡(luò)是一種全新的信息獲取平臺，其目的是協(xié)作地感知、采集和處理 網(wǎng)絡(luò)覆蓋區(qū)域中感知對象的信息，并發(fā)送給觀察者，已被廣泛用于軍事領(lǐng)域、環(huán)境監(jiān)測、醫(yī) 療護(hù)理等相關(guān)領(lǐng)域。傳統(tǒng)的數(shù)據(jù)收集方法是將大量傳感器節(jié)點采集的所有數(shù)據(jù)經(jīng)過簇頭節(jié) 點傳輸?shù)交具M(jìn)行處理。然而，在傳感器網(wǎng)絡(luò)的數(shù)據(jù)采集過程中，通常是多個傳感器節(jié)點對 同一事件進(jìn)行感知壓縮，攜帶了大量的冗余數(shù)據(jù)，傳輸時大大占用了網(wǎng)絡(luò)通信帶寬，帶來了 不必要的能耗。
[0003]壓縮感知（Co攀re^et/ 的提出為無線傳感器網(wǎng)絡(luò)數(shù)據(jù)收集方式開 辟了新的思路，它突破了傳統(tǒng)奈奎斯特采樣定理的限制，提供了一種利用較少的采樣信息 準(zhǔn)確重構(gòu)出原始信號的方法。該理論利用信號的可壓縮性，通過低維空間、低分辨率、欠奈 奎斯特采樣數(shù)據(jù)的非相關(guān)觀測來實現(xiàn)高維信號的感知。壓縮感知理論可以分成三個過程： 采樣、測量和重構(gòu)。采樣過程：對稀疏數(shù)據(jù)進(jìn)行采樣；測量過程：對采樣得到的數(shù)據(jù)進(jìn)行壓 縮測量，得到觀測向量；重構(gòu)過程：由觀測向量數(shù)據(jù)對原始數(shù)據(jù)進(jìn)行還原。壓縮感知理論消 除了現(xiàn)實信號處理與傳統(tǒng)的采樣理論之間的矛盾，在信號處理領(lǐng)域有著廣大的應(yīng)用前景。
[0004] 盡管如此，在用壓縮感知理論采樣數(shù)據(jù)的過程中也有可能產(chǎn)生冗余數(shù)據(jù)。壓縮感 知理論表明：當(dāng)觀測次數(shù)為時，可以高概率完全重構(gòu)出原始信號，即可認(rèn)為 壓縮感知用天：log(_A7火）次觀測不能完全地重構(gòu)出信號的事件是一定存在的，即觀測向 量存在著冗余觀測，消除冗余觀測等價于減少數(shù)據(jù)收集量。而現(xiàn)有結(jié)合壓縮感知的數(shù)據(jù)收 集方案，主要是通過測量矩陣的設(shè)計、普通分簇、分布式時空相關(guān)性等方法來進(jìn)行。測量矩 陣的設(shè)計方法，即設(shè)計滿足一定特性的矩陣，如設(shè)計適合在硬件資源有限的傳感器節(jié)點中 實現(xiàn)的循環(huán)稀疏伯努利觀測矩陣，循環(huán)稀疏伯努利觀測矩陣具有非零元素少、良好的偽隨 機(jī)性、硬件易于實現(xiàn)等優(yōu)點，在滿足數(shù)據(jù)重構(gòu)誤差的前提下，能夠通過壓縮觀測獲得更少的 觀測數(shù)據(jù)，從而達(dá)到減少傳輸能耗的目的。
[0005] 綜上所述，對于如何結(jié)合壓縮感知理論實現(xiàn)高質(zhì)量的數(shù)據(jù)收集并且通過測量矩陣 動態(tài)優(yōu)化來降低數(shù)據(jù)的收集量，成為了亟需解決的關(guān)鍵技術(shù)難題之一。

【發(fā)明內(nèi)容】

[0006] 針對上述問題，提出了基于壓縮感知的高能效低信息密度數(shù)據(jù)收集方法，具體步 驟如下： 步驟一、確定無線傳感器網(wǎng)絡(luò)中57/?々節(jié)點的位置，利用無線傳感器網(wǎng)絡(luò)當(dāng)中的節(jié)點感 知周圍環(huán)境中的多種媒體信息，傳遞給57/^節(jié)點，實現(xiàn)原始信號X的收集； 步驟二、構(gòu)建稀疏基矩陣:對原始信號丨襄；進(jìn)行稀疏化，得到稀疏化信號:1f，其長度 設(shè)為N，
步驟三、生成維高斯隨機(jī)矩陣_，其牛
：，其特點 是矩陣懸逐:的元素都獨立的服從均值為〇,方差為t-::的高斯分布，數(shù)學(xué)模型為：
步驟四、通過測量矩陣^對進(jìn)行觀測編碼，得觀測向量#即
步驟五、對測量矩陣_進(jìn)行降維處理，即刪除_:中第:j:行保留其 他行，測量矩陣變?yōu)?，對稀疏信號丨_'再次進(jìn)行觀測編碼可得到丨:個觀測向量 y"； 步驟六、根據(jù)觀測向量#-，以及降維處理后得到的#_$，選用:構(gòu) 算法分別對:1m
個觀測向量進(jìn)行重構(gòu)，重構(gòu)出和:并且計算誤差 步驟七、若:小于給定的精度自:，則令循環(huán)變量i?二并且轉(zhuǎn)步驟八，否則結(jié)束； 步驟八、依次計算刪除觀測向量中第it元素后所對應(yīng)的測量矩陣其中 義_，s卩刪除測量矩陣的第j??； 步驟九、計算_個測量矩陣:的最大列相關(guān)性
，其 中:^；::_表示的列向量；
步驟十、計算 ：的值，$的值即為從觀測 .感： 向量穿#中刪除第％個元素，并得到所對應(yīng)的相關(guān)性最小的觀測矩陣A。，即

步驟十一、根據(jù)觀測矩陣_g，選用屬嗤構(gòu)算法對觀測向量，g進(jìn)行重構(gòu)，得重構(gòu)信 號__、::，計算鋸 :? :iv .乂 k . 步驟十二、若_#小于給定的精度:i:，則令_，§々|:并且轉(zhuǎn)至步驟八，否則結(jié)束。
[0007] 綜上所述，與現(xiàn)有方法相比，本發(fā)明優(yōu)勢在于： 1) 通過測量矩陣的優(yōu)化過程，可實現(xiàn)高質(zhì)量的數(shù)據(jù)收集； 2) 通過測量矩陣的降維，使得測量數(shù)目能夠接近于理論值，從而減少信號采樣測量的 代價； 3) 能夠根據(jù)信源的信息密度和網(wǎng)絡(luò)帶寬狀態(tài)動態(tài)調(diào)整數(shù)據(jù)收集質(zhì)量，具有廣泛的適應(yīng) 性。
【附圖說明】
[0008] 圖1是本發(fā)明的流程圖。
【具體實施方式】
[0009] 本發(fā)明設(shè)計了基于壓縮感知的質(zhì)量可伸縮低信息密度數(shù)據(jù)收集方法，結(jié)合圖1，數(shù) 據(jù)收集的具體實施方法如下： 步驟一、確定無線傳感器網(wǎng)絡(luò)中57/?々節(jié)點的位置，利用無線傳感器網(wǎng)絡(luò)當(dāng)中的節(jié)點感 知周圍環(huán)境中的多種媒體信息，傳遞給57/^節(jié)點，實現(xiàn)原始信號X的收集； 步驟二、構(gòu)建稀疏基矩陣少對原始信號:M進(jìn)行稀疏化，得到稀疏化信號gT，其長度 設(shè)為!\_，
(1) (2) 步驟三、生成If、維高斯隨機(jī)矩陣:丨_，其中
，其特點 是矩陣戀::的元素都獨立的服從均值為〇,方差為"4::的高斯分布，數(shù)學(xué)模型為：
(3) 步驟四、通過測量矩陣$對進(jìn)行觀測編碼，得觀測向量，即 ........ (4)
步驟五、對測量矩陣_進(jìn)行降維處理，即刪除繼中第|行(1 :二!_:::-4識::)，保留其 他行，測量矩陣變?yōu)閷ο∈栊盘栐俅芜M(jìn)行觀測編碼可得到丨II:個觀測向量 >.義-1; 步驟六、根據(jù)觀測向量#以及降維處理后得到的選用構(gòu)算法分別對 個觀測向量進(jìn)行重構(gòu)，重構(gòu)出和，并且計算誤差：
(5) 表1表示在本發(fā)明中使用的6T/算法。
[0010] 表1 屬嗔法
輸入：感知信號f，感知矩陣 初始化：余量支撐集，循環(huán)次數(shù);l,:L: 過程： (1) 選擇余量和感知矩陣中內(nèi)積絕對值最大的一個元素，對應(yīng)于感知矩陣中的原子記 為_，更新支撐集
(2) 利用最小二乘法計算恢復(fù)信號
：|，并更新余量
⑶如果|:|爐，退出循環(huán)；不然循環(huán)次數(shù) (1)，否則結(jié)束循環(huán)；
步驟七、若小于給定的精度:_，則令循環(huán)變量|#^+:|蒙并且轉(zhuǎn)步驟八，否則結(jié)束； 步驟八、依次計算刪除觀測向量中第it元素后所對應(yīng)的測量矩陣其中 :丨，即刪除測量矩陣的第J??； 步驟九、計算::餘個測量矩陣#_續(xù)的最大列相關(guān)性胃:：
(6) 其中表示的列向量；
除第％個元素，并得到所對應(yīng)的相關(guān)性最小的觀測矩陣裏s::，其中： 步驟十、計寞 的值，的值即為從觀測向量中刪 龜 .r.
步驟十一、根據(jù)觀測矩陣_1;，選用屬嗤構(gòu)算法對觀測向量進(jìn)行重構(gòu)，得重構(gòu)信 號達(dá)Pifc，計算誤差：
(8) 步驟十二、若M#小于給定的精度彡，則令技1:并且轉(zhuǎn)至步驟八，否則結(jié)束。
【主權(quán)項】
1. 基于壓縮感知的高能效低信息密度數(shù)據(jù)收集方法，其特征在于，首先生成高斯隨機(jī) 矩陣用作測量矩陣，再判斷測得的觀測向量\3能否重構(gòu)出原始信號，然后對測量矩陣 進(jìn)行優(yōu)化，最后剔除無效的觀測數(shù)據(jù)，至少還包括以下步驟， 步驟一、收集原始信號!1;，對誠進(jìn)行稀疏變換得稀疏信號丨著:； 步驟二、生成:_:_f維高斯隨機(jī)矩陣I( <A/ < )，通過測量 矩陣丨>1對|^進(jìn)行觀測編碼，得觀測向量; 步驟三、對_進(jìn)行降維，重測得觀測向量#用合適的重構(gòu)算法，根據(jù)yM和 1??分別重構(gòu)出信號和計算誤差:_:; 步驟四、若小于給定的精度必，則令循環(huán)變量_:夾漏)并且轉(zhuǎn)步驟五，否則結(jié)束； ......',. 步驟五、計算刪除;任意一行后的相關(guān)性大小，確定刪除測量矩陣的第:?:行，得到 相關(guān)性最小的觀測矩陣; 步驟六、用與相應(yīng)的觀測向量重構(gòu)出的信號計算誤差; 步驟七、若霸小于給定的精度_，則令并且轉(zhuǎn)至步驟五，否則結(jié)束。2. 根據(jù)權(quán)利要求1所述的基于壓縮感知的高能效低信息密度數(shù)據(jù)收集方法，其特征在 于，收集原始信號減，對滅進(jìn)行稀疏變換得稀疏信號:IT，至少還包括以下步驟， 步驟一、確定無線傳感器網(wǎng)絡(luò)中57/?々節(jié)點的位置，利用無線傳感器網(wǎng)絡(luò)當(dāng)中的節(jié)點感 知周圍環(huán)境中的多種媒體信息，傳遞給57/^節(jié)點，實現(xiàn)原始信號X的收集； 步驟二、構(gòu)建稀疏基矩陣免對原始信號:：i進(jìn)行稀疏化，得到稀疏化信號gr，其長度 設(shè)為紙3. 根據(jù)權(quán)利要求1所述的基于壓縮感知的高能效低信息密度數(shù)據(jù)收集方法，其特征在 于，對:_:進(jìn)行降維，重測得觀測向量#€3_，用合適的重構(gòu)算法，根據(jù)和；^% -1分別重 構(gòu)出信號重^和，計算誤差丨:_:，至少還包括以下步驟， 步驟一、對測量矩陣_進(jìn)行降維處理，即刪除_中第I行)，保留 其他行，測量矩陣變?yōu)閷ο∈栊盘朓f再次進(jìn)行觀測編碼可得到、個觀測向量 ; 步驟二、根據(jù)觀測向量^^，以及降維處理后得到的#，選用K價 /^yiO重構(gòu)算法分別對::|| :4_|:個觀測向量進(jìn)行重構(gòu)，重構(gòu)出;和::1?? ;4. 根據(jù)權(quán)利要求1所述的基于壓縮感知的高能效低信息密度數(shù)據(jù)收集方法，其特征在 于，計算刪除)_任意一行后的相關(guān)性大小，確定刪除測量矩陣)_的第A行，得到相關(guān)性最 小的觀測矩陣__，至少還包括以下步驟，5. 根據(jù)權(quán)利要求1所述的基于壓縮感知的高能效低信息密度數(shù)據(jù)收集方法，其特征在 于，用_^與相應(yīng)的觀測向量重構(gòu)出信號，計算誤差，至少還包括以下步 驟， 步驟一、根據(jù)觀測矩陣_$，選用6?構(gòu)算法對觀測向量進(jìn)行重構(gòu)，得重構(gòu)信號
【專利摘要】針對無線傳感器網(wǎng)絡(luò)中通信信道不穩(wěn)定、網(wǎng)絡(luò)信息密度低的問題，本發(fā)明提出基于壓縮感知的高能效低信息密度數(shù)據(jù)收集方法，該方法利用測量矩陣的優(yōu)化設(shè)計最大限度的剔除冗余數(shù)據(jù)，提高數(shù)據(jù)收集的質(zhì)量。首先判斷測得的觀測向量能否重構(gòu)出原始信號，然后在保證精確重構(gòu)的前提下對測量矩陣進(jìn)行優(yōu)化，從而減少數(shù)據(jù)量的收集，達(dá)到剔除無效觀測的目的。本發(fā)明能夠根據(jù)信源的傳輸信息，動態(tài)調(diào)整數(shù)據(jù)收集質(zhì)量，具有廣泛的適應(yīng)性。
【IPC分類】H04W84/18, H04W24/00
【公開號】CN105050105
【申請?zhí)枴緾N201510514933
【發(fā)明人】李哲濤, 章顥議, 裴廷睿, 田淑娟, 朱江
【申請人】湘潭大學(xué)
【公開日】2015年11月11日
【申請日】2015年8月21日