壓縮感知在無線傳感器網(wǎng)絡(luò)中的應(yīng)用

1、    壓縮感知在無線傳感器網(wǎng)絡(luò)中的應(yīng)用    周玉偉+張玉蘭+任云【摘 要】本文通過應(yīng)用壓縮感知方法，選擇托普利茲矩陣作為觀測矩陣，將采集到的數(shù)據(jù)進(jìn)行融合，大大減少網(wǎng)絡(luò)通信的數(shù)據(jù)量，從而延長無線傳感器網(wǎng)絡(luò)壽命。【關(guān)鍵詞】壓縮感知；托普利茲；無線傳感器網(wǎng)絡(luò)壽命0 引言無線傳感器網(wǎng)絡(luò)（wireless sensor network，wsn）是由大量低成本，能量受限的傳感器節(jié)點(diǎn)以一定的拓?fù)浣Y(jié)構(gòu)組成的無線自組織網(wǎng)絡(luò)。憑借其隱蔽、容錯、部署便捷等優(yōu)點(diǎn)，wsn在目標(biāo)跟蹤、醫(yī)療護(hù)理、智能交通、軍事等領(lǐng)域有著廣泛地應(yīng)用。由于成本、體積的限制，傳感器節(jié)點(diǎn)電池容量不是很大

2、，并且由于工作環(huán)境特殊，或者節(jié)點(diǎn)熟練龐大，人們無法頻繁更換電池。因此，在獲得有用信息前提下，怎么延長整個無線傳感器網(wǎng)絡(luò)的壽命是國內(nèi)外學(xué)者的研究重點(diǎn)。在wsn中，傳感器節(jié)點(diǎn)能量主要消耗在三個方面：數(shù)據(jù)傳輸、信號處理和硬件操作。其中，數(shù)據(jù)傳輸消耗的能量占總能量消耗的90%。針對上述問題，wsn在傳感器節(jié)點(diǎn)采集數(shù)據(jù)的過程中運(yùn)用數(shù)據(jù)融合技術(shù)是一種有效的手段。壓縮感知cs（compress sensing）由美國學(xué)者tao、romberg和donoho等人在泛函分析和逼近論的理論基礎(chǔ)上，根據(jù)信息論的研究成果建立了壓縮感知理論。cs理論指出：只要信號是稀疏的或可壓縮的，我們就可以采用遠(yuǎn)低于奈奎斯特頻率的采

3、樣頻率采樣信號，進(jìn)而精確恢復(fù)信號。這一理論突破了奈奎斯特采樣定理的局限，為獲取信號與傳感器設(shè)計(jì)提供了嶄新的方法，成為近年來的一個熱點(diǎn)研究領(lǐng)域。baron于2005年提出的分布式壓縮感知dcs（distributed compressive sensing）理論，為壓縮感知在wsn的應(yīng)用提供了研究思路。3 壓縮感知在wsn中的實(shí)現(xiàn)方法在實(shí)際應(yīng)用中，無線傳感器網(wǎng)絡(luò)是由大量廉價的微型傳感器節(jié)點(diǎn)構(gòu)成的，可以通過網(wǎng)絡(luò)協(xié)議形成“信息感知簇”，由簇首將觀測矩陣中m個行向量包含的伯努利序列分發(fā)給每個簇成員即采集節(jié)點(diǎn)，每個采集節(jié)點(diǎn)按照低速率采樣得到采樣數(shù)據(jù)，然后與接收到的伯努利序列進(jìn)行簡單運(yùn)算得到一個壓縮觀測值

4、，每個采集節(jié)點(diǎn)只需向簇首發(fā)送一個壓縮觀測數(shù)據(jù)即可，簇首將接收到的壓縮觀測數(shù)據(jù)向sink節(jié)點(diǎn)傳遞，由sink節(jié)點(diǎn)完成信息的解壓縮和信息的提取。4 實(shí)驗(yàn)仿真在仿真實(shí)驗(yàn)中，將n=100個傳感器節(jié)點(diǎn)隨機(jī)均勻分布在100m×100m，匯聚節(jié)點(diǎn)sink位于區(qū)域中心。在實(shí)驗(yàn)中選擇稀疏m為30且信號長度n為256，隨機(jī)選擇30個位置，觀測矩陣為托普利茲矩陣并進(jìn)行歸一化處理，仿真結(jié)果如圖3所示（縱坐標(biāo)代表信號的幅值，橫坐標(biāo)代表信號的長度）。5 結(jié)論通過運(yùn)用壓縮感知技術(shù)的應(yīng)用，選擇托普利茲矩陣作為觀測矩陣。該矩陣的結(jié)構(gòu)特點(diǎn)適合wsn傳感器節(jié)點(diǎn)進(jìn)行低速采樣，采取發(fā)送壓縮觀測值的策略減少了網(wǎng)絡(luò)通信數(shù)據(jù)量，延

5、長傳感器的使用壽命，從而保證無線傳感網(wǎng)絡(luò)的穩(wěn)定性，為未來無線傳感網(wǎng)絡(luò)性能的優(yōu)化提供了一種有效的方法?！緟⒖嘉墨I(xiàn)】1呂方旭，張金成，劉立陽，等.基于wsn的多聲源目標(biāo)定位算法j.傳感技術(shù)學(xué)報(bào)，2012，25（8）：1121-125.2lan f， akyildiz， mehmet can vuran. wireless sensor networksm.america： john wiley and sons，2010，46-49.3d.l donoho. compressed sensingj.ieee trans. inf. theory，2006，52（4）：1289-1306.4e.j. candes and t. tao. near-optimal signal recovery from random projections： universal encod