《WSN中基于压缩感知的高能效数据收集方案》PDF+DOC
作者:李鹏,王建新,丁长松
单位:中国自动化学会;中国科学院自动化所
出版:《自动化学报》2016年第11期
页数:9页 (PDF与DOC格式可能不同)
PDF编号:PDFMOTO2016110050
DOC编号:DOCMOTO2016110059
下载格式:PDF + Word/doc 文字可复制、可编辑
《无线传感器网络中基于稀疏投影的数据收集方案》PDF+DOC2016年第10期 李鹏,王建新
《基于延迟感知的WSN数据收集网络结构优化设计》PDF+DOC2016年第10期 李妙祺,高晓阳,周蓓蓓
《一种WSN中基于局部数据的压缩感知算法》PDF+DOC2012年第06期 赵书峰,黄刘生
《WSN中基于多分辨率和压缩感知的数据融合方案》PDF+DOC2014年第07期 张华,刘国成,陈生昌
《WSN中基于压缩感知的数据收集方案》PDF+DOC2012年第20期 张明,朱俊平,蔡骋
《物联网信息感知与交互技术》PDF+DOC2012年第06期 胡永利,孙艳丰,尹宝才
《WSN中基于多分辨率和压缩感知的数据融合方案》PDF+DOC2014年第09期 赵建军,王怀宇,赵泽阳,陈生昌
《WSN中一种基于网络效益最大化的数据收集方案》PDF+DOC2014年第05期 李勇燕,万志平,蒋鹏
《一种基于蚁群优化的WSN拥塞控制算法》PDF+DOC2012年第04期 余小华,黄灿辉
《无线传感器网络上数据聚集及调度研究综述》PDF+DOC2013年第04期 于博,李建中
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.....。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。