分布式信源编码的压缩感知技术在无线传感器网络中的应用

文章提出了分布式压缩感知理论,利用传感器节点的数据相关性,把单个信号的压缩采样扩展到信号群的压缩采样,可以实现无线传感器网络的数据重构,减少节点的通信开销,降低整个网络的能耗。     

适用于无线传感器网络的层次化分布式压缩感知

分布式压缩感知(Distributed Compressed Sensing, DCS)是在无线传感器网络(Wireless Sensor Network, WSN)中减少数据传输量、降低能量消耗的有效手段。该文面向分簇WSN,提出层次化分布式压缩感知(Hierarchical Distributed Compressed Sensing, HDCS)。在利用簇内DCS消除簇内时间、空间冗余的基础上,利用簇间DCS消除簇间空间冗余,减少簇头的数据发送量。针对分簇WSN采集信号的结构化稀疏特性,建立块稀疏簇内联合稀疏模型与块稀疏簇间联合稀疏模型,提出HDCS观测方案与层次化联合重构算法。仿真结果表明,与普通DCS相比,HDCS在保证重建信号质量的同时,能够有效减轻簇头的通信负担,并显著降低Sink上的信号重构时间。     

基于压缩感知的无线传感器网络多目标定位算法

目标定位是无线传感器网络的重要应用场景。该文提出了一种将压缩感知应用于无线传感器网络多目标定位的方法,把基于网格的多目标定位问题转化为压缩感知问题。应用多分辨率分析的思想,设计了迭代回溯的压缩感知算法,该方法的特点是可同时进行多目标定位,并且大大减少了网络通信的数据量从而延长网络寿命,代价是融合中心的算法复杂度的增加。仿真结果显示,采用迭代回溯算法定位精度提高了50%以上,具有较好的多目标定位效果。     

基于能量均衡的无线传感器网络压缩感知算法

无线传感器网络在探测目标源时会碰到处理能力不足和能量缺乏的问题。为了克服这些问题,该文提出了基于能量均衡的自适应压缩感知算法。与传统自适应压缩感知算法不同,所提出的算法在选择观测向量时不仅考虑了重构性能,还考虑了节点的能量均衡,防止某些节点过快消耗能量而导致整体网络结构的破坏。同时为了适应不同应用场景的需求,将自适应压缩感知算法和能量均衡压缩感知算法相结合,通过门限值的选择达到灵活配置的目的。仿真实验的结果表明,该文所提出的算法能够有效延长网络生存时间,同时能够实现能耗和收敛性的兼顾。     

无线传感器网络中基于序列相关性的数据压缩算法

无线传感器网络(WSN)中传输的数据具有相关性和冗余性。如何有效降低网络中的数据量,延长网络生命周期,始终是WSN的研究热点之一。该文基于WSN中数据序列的相关性,提出一种两步数据压缩算法(TSC-SC)。网络中的簇首和簇内节点执行各自的压缩算法：簇首首先执行相关性分组算法,将数据分组,减少簇内节点的计算量以及消除簇内数据的空间相关性;簇内节点对多属性数据分类压缩,并将压缩参数传至簇首,簇首解压后再次进行分类压缩,进一步消除数据相关性,减少节点数据冗余度,降低通信能耗。为实现对压缩算法的综合性能评价,考虑基本的压缩要求和算法的计算能耗,提出了基于能量判别的算法评估模型(NCER)。仿真结果表明TSC-SC算法可以有效降低压缩比和压缩误差,充分减少数据传输量和网络的通信能耗,利用NCER指标能够直观地评价算法的性能。     

一种面向无线多媒体传感器网络的分布式图像压缩算法

因为多媒体数据的高带宽要求,要传输传感器节点采集到的原始数据将会消耗大量的资源。文章提出了一种分布式图像压缩算法,该算法通过把压缩任务分配给其他节点来解决在能量受限的节点上处理能力不足的问题。此外,该算法把压缩任务分配给其他空闲节点能很好的延长网络的生存时间。     

基于扰动压缩感知无线传感器网络的数据安全机制研究

无线传感器网络低成本灵活易组织,部控传感器节点采集敏感数据,利用无线信道方便传输数据的同时也面临很大的安全威胁.无线传感器网络受自身资源的限制,传统无线网络安全防护机制无法直接应用于此.针对数据相关性的多跳无线传感器网络中的数据泄露、毁坏、篡改和伪造,提出一种基于双重扰动压缩感知WSN轻量级高性能的数据传输安全机制,不...     

基于压缩感知的无线传感器网络数据收集方案

提出一种应用于大规模环境监测领域无线传感器网络(WSN)中改进的基于压缩感知(CS)数据收集方案。该方案改进联合稀疏模型(JSM)进行数据分析;并采用分簇路由采集并传输数据,即每簇簇内使用基于CS的数据收集方法,簇头之间采用最短路径路由到达汇聚节点。仿真结果表明,该方案不仅缩小了数据处理的分布范围,降低了恢复误差,而且大大减少了数据传输次数,维持了整个网络的能耗平衡。     

无线传感器网络中基于数据融合树的压缩感知算法

针对无线传感器网络能量有限等特点,将路由策略考虑到投影矩阵的设计中,该文提出了基于数据融合树的压缩感知算法(Compressed Sensing algorithm based on Data Fusion Tree,CS-DFT)。该算法采用稀疏投影矩阵最小化通信消耗,在生成数据融合树的同时减小投影矩阵与稀疏基之间的相关度以保证数据的重构质量。仿真结果表明,该文提出的算法不仅在重构质量和能量消耗之间做到了很好的平衡,同时对于不同稀疏基下的数据也有较高的适应性。     

基于压缩感知的三维水下传感器网络路由算法

由于水下传感器网络中节点能量有限且工作环境恶劣,设计高能效的路由算法实现数据采集尤为重要。文中利用水下传感器网络中原始信号的相关性,将压缩感知技术与不均匀分层多跳路由算法联合设计,提出一种基于分布式压缩感知的数据采集方案—DCS-ULM。结果表明,该算法在保证原始数据重构精度的同时可有效延长网络生命周期。     

A Simple Algorithm for Data Compression in Wireless Sensor Networks

Power saving is a critical issue in wireless sensor networks (WSNs) since sensor nodes are powered by batteries which cannot be generally changed or recharged. As radio communication is often the main cause of energy consumption, extension of sensor node lifetime is generally achieved by reducing transmissions/receptions of data, for instance through data compression. Exploiting the natural correlation that exists in data typically collected by WSNs and the principles of entropy compression, in this Letter we propose a simple and efficient data compression algorithm particularly suited to be used on available commercial nodes of a WSN, where energy, memory and computational resources are very limited. Some experimental results and comparisons with, to the best of our knowledge, the only lossless compression algorithm previously proposed in the literature to be embedded in sensor nodes and with two well- known compression algorithms are shown and discussed.     

基于最优阶估计与分布式分簇的传感器网络数据压缩方法研究

在无线传感器网络的诸多应用中,被监测区域发生异常情况的概率通常较小,正常情况下,同一传感器节点在前后连续时刻所采集的数据具有时间相关性,处于相邻区域的不同传感器节点在同一时刻所采集的数据具有空间相关性,发送存在时间、空间冗余的数据至基站必将耗费节点大量的能量。该文提出了基于最优阶估计和分布式分簇的传感器网络数据压缩方法,利用节点采集数据的时空相关性,基于最优阶估计在基站处建立相关系数,经分布式分簇,节点仅需传送少量数据,基站根据时空相关性恢复原始数据。仿真结果表明应用该算法,可以有效减少传感器网络中冗余数据传输量和节点能耗,进而延长系统寿命。     

传感器网络中一种基于一元线性回归模型的空时数据压缩算法

针对传感器网络中节点采样数据的空间和时间冗余特点以及节能要求,该文提出了一种基于一元线性回归模型的空时数据压缩算法ODLRST。ODLRST先在每个节点内进行消除时间冗余的数据压缩,再在节点汇集处对来自不同节点的数据消除空间冗余以进一步压缩数据。仿真实验证明,ODLRST能够极大地减少节点发送的数据量和网络中的通信流量,节省并平衡网络中的能量消耗。     

WSN中一种基于延迟限定的数据收集算法

数据收集是无线传感器网络研究中的一个关键问题,目前基于树的数据收集方法经常会造成节点负载不均衡、树的高度无法控制等问题,从而使得数据收集延迟加大。针对该问题提出了一个新的算法——基于延迟限定的数据收集算法(DBDG),该算法从一棵最少跳数树(Fewest Hops Tree,FHT)出发,迭代地选择网络中的一条边加入树,通过限定树的高度来满足延迟限定,然后通过使树上"瓶颈节点"的度最小化来延长树的生命周期。仿真实验表明,与目前已有的协议相比,DBDG能在限定的高度内构造生命周期更长的生成树。     

基于遗传算法的无线传感器网络自适应数据融合路由算法

针对移动代理以能量有效的方式收集相关性数据的问题,该文提出了一种新的基于遗传算法的自适应数据融合路由算法。算法选择移动代理路由时,根据数据传输和融合能量开销及节能增益,对移动代理迁移到每个传感器节点是否进行数据融合做自适应选择,以在信息收集过程中提高网络能量效率。仿真结果表明自适应数据融合路由算法的能量效率优于完全数据融合路由算法和最邻近启发式算法。     

WSN中基于分簇路由的多维度数据压缩算法研究

 本文在不减少基站获取传感信息量的前提下,以最大程度减少传输数据量为目的,提出一种在分簇路由协议支持下的时间、空间多维度的数据压缩算法.结合基于空间维度的数据压缩方式设计了一种改进的分簇路由.通过实例验证与仿真评测,该数据压缩算法以及配合该算法设计的路由协议可以显著的减少整个无线传感器网络中数据发送量,延长网络的生存周期.     

移动低占空比传感网中基于分段拟合压缩的数据容灾存储算法

数据存储是无线传感器网络中数据管理的基础操作.在移动低占空比传感网中,由于节点的移动性,每个节点需要频繁更新邻居节点集合,使得节点能量消耗过大;同时,节点大部分时间处于睡眠状态,仅在少部分时间内苏醒工作,造成数据备份的通信延迟过大.提出一种快速的低能耗数据保存机制.首先,源节点基于连续时间序列对感知数据进行分段线性拟合压缩;接着,节点根据预估故障概率和存储空间大小,计算出合理的压缩数据备份数量.在此基础上,设计一种动态自适应传输协议.实验仿真表明,与已有存储算法比较,该机制具有更低的传输能耗和通信延迟.     

无线传感器网络基于多元簇首的分簇数据收集算法

为了提高数据收集可靠性和延长网络生命周期,该文提出基于多元簇首的分簇数据收集算法。算法将网络划分为大小相等的栅格,由每个栅格中的节点各自构成一个簇,根据节点失效概率从每个栅格中选出多个簇首,并由同一栅格中的多个簇首协作完成栅格中节点的数据收集任务。此外,算法还采取了一些降低能量开销的措施。仿真实验结果表明,与现有相关算法相比,该算法具有较高的数据收集可靠性,并能够显著延长网络生命周期。     

基于蚁群算法的无线传感器网络数据聚合路由算法

传感器网络为减少冗余数据的传输耗能。降低延迟,需要在路由过程中采用数据聚合技术。文中采用定向传输方式,在消息路由机制基础上提出了一种基于蚁群算法的数据聚合路由算法。该算法主要思想在于将节点能耗、传输距离与聚合收益3方面作为启发因子,通过一组称为“蚂蚁”的人工代理寻找到达汇聚节点的最优路径。该算法利用蚁群算法的正反馈效应来达到数据汇集的目的,不需要网络节点维护全局信息,因此是一种实现数据聚合在能量与时延上折中的分布式路由算法。理论分析和仿真结果说明了新算法的有效性。