安全验证
时间:2023-11-12 08:17:02 下载该word文档
Review and Comment 压缩感知在无线传感网络的应用综述 包明杰,张浩然,王 妃 (浙江师范大学数理与信息工程学院,浙江金华321000) 摘要:随着信息技术的发展,近些年压缩感知技术格外引人瞩目,在图像视频编码、雷达及微波辐射成像、气象卫星、图像加 密、物联网等领域展现出强大的功能与发展前景。首先介绍了压缩感知在无线传感网络领域的发展及研究现状,然后从压缩感 知仿真实验和实例、压缩感知的测量方案、压缩感知的解压缩方案、压缩感知在无线传感网络的具体应用四个方面阐明了压缩 感知在无线传感网络领域的优势,最后对压缩感知的前景进行了展望。 关键词:压缩感知;无线传感网络;数据压缩 中图分类号:TP3;TP212 文献标识码:A DOI:10.19358/j.issn.1674—7720.2016.14.005 引用格式:包明杰,张浩然,王妃.压缩感知在无线传感网络的应用综述[J].微型机与应用,2016,35(14):16-18. A survey of compressed sensing in wireless sensor networks Bao Mingjie,Zhang Haoran,Wang Fei (College of Mathematics,Physics and Information Engineering,Zhejiang Normal University,Jinhua 321004,China) Abstract:With the development of information technology,the compressed sensing which shows a powerful function and fascinating prospect at video coding in image,radar and microwave radiation imaging,meteorological satellite image eneryption,internet of things,and SO on,aroused a hot dis— eussion.This paper firstly introduces the development and research status of compressed sensing,and then proves the advantages of compressed sens— ing from the simulation results and the living examples,several measurement schemes of compressed sensing,a modulation scheme for compressed sensing algorithm,and the application of compressed sensing in real life respectively.At last it gives an outlook of compressed sensing in the future. Key words:compressed sensing;wireless sensor network;data compressing 0 引言 信号的原始结构特点,并通过数值最优化问题准确重构原 始信号,最终以远低于传统的奈奎斯特频率进行采样,解决 了数字信号数据量大的难题,在压缩成像系统、信息转换、 无线传感网络、生物医学传感等领域具有广泛的应用空间。 近年来,无线传感器网络(Wireless Sensor Networks, WSNs)得到很大的关注,它使得人们与这个世界进行远程 交互的能力得到提升 。 。但是该项技术在实现方面遇到 一些问题。增加的节点数量使得通信路线变得异常复杂, 1 对于压缩感知和无线传感技术的认识 1.1 压缩感知 甚至导致无法正常工作;传感器节点的单价并没有降到一 个可以接受的范围之内;电池的续航时间不够长(在较理 想的情况下正常运行也只能工作数月)。不过随着越来 越多的无线传感网络产品上市,这些问题正在逐步解决。 人们对数据需求的剧增,使信息技术面临着巨大考 验。模拟化的现实世界和数字化的信号处理工具,导致信 CANDES E和DONOHO D L于2006年提出了压缩感 知的概念,其核心思想是将压缩与采样合并进行,然后根 据相应的重构算法由测量值重构原始信号 。由于压缩 感知采集的数据量远小于传统的数据采样方法,使得采集 的信号具有更高的分辨率成为可能。压缩感知的理论主 要包括:信号的稀疏表示、编码测量和重构算法等三个方 面。压缩感知的先验条件是信号的可稀疏表示,即将信号 投影到正交变换基时,可以忽略或者近似忽略,变换向量 可以看成稀疏的或者近似稀疏的。完成压缩感知,首先要 选择投影矩阵,该矩阵需要具有稳定性,同时满足约束等 号的采集必须从获取模拟信号人手,然后再进行数字化处 理。但信号的数字化会使得数据量变得十分巨大,若不对 其进行有效的压缩就难以得到实际应用。 在传统采样过程中,采样频率要求不得低于信号最高 频率的2倍 。数字图像和视频需求的增加,使得数据采 集量剧增,存储和传输的代价变得十分高昂。近年来,一种 距性(Restricted Isometry Property,RIP)条件,以使得信号 的线性投影能够保持信号的原始结构。然后通过原始信 号与测量矩阵的乘积获得原始信号的线性投影测量。最 后利用投影矩阵和测量矩阵来重构原始信号。 新兴的压缩感知/传感(Compressed Sensing,Compressive Sensing,CS)理论为数据采集理论带来了革命性的突破,并 得到了广泛关注 。它采用了非自适应线性投影,保持了 1 6 《微型机与应用)2016年第35卷第14期
Review and COmment 1.2无线传感网络 无线传感器网络(Wireless Sensor Network,WSN)由大 量的安置在一定区域内的廉价微型传感器节点组成,它们 之间通过无线通信方式进行数据传送,形成了一个网络系 统 ’ ,用以共同完成对于网络覆盖区域中被感知对象 的感知、采集和处理信息,并发送给观察者。无线传感器 网络的三个要素分别是传感器、感知对象和观察者。 现在应用最多的无线传感器网络可探测地震、噪声、 电磁、温度、湿度、压力、光强度、土壤成分、移动物体的大 小、速度和方向等。随着技术的成熟,它也可以在航空、军 事、医疗、工业、救灾等领域发挥巨大的作用。 1.3研究意义 大多数存在的能量管理策略和压缩技术假定操作传 感器收集数据相比较无线发射和接受数据消耗更少能量。 但这个假定并不在一些实用器件中成立,事实上数据收集 的能量消耗与无线传输相比可能相当或者更加大。 数据收集在无线传感网络上是一个关键问题。大量 实证:感知数据拥有强大的时空压缩性。最少全部输入数 据的25%是必须被传输的,节能算法能使网络的耗电量 尽可能小。压缩感知技术能够大幅减小数据收集的能量 消耗,使无线传感网络的能耗问题得到有效解决。 1.4研究综述 本文分别从压缩感知仿真实验和实例、压缩感知的测 量方案、压缩感知的解压缩方案、压缩感知在无线传感网 络的具体应用四个方面对基于压缩感知的无线传感网络 进行分析与研究。 (1)压缩感知仿真实验和实例 参考文献[12]介绍了压缩感知在无线感知领域的数 据测量、传输和重建方面的应用。文中考虑了传感器数据 在时间、空间和多访问路径传输三个方面的稀疏性。作者 对基于压缩感知的中间路径控制方案进行了深度分析,阐 明了沟通信噪比在重构表现方面的影响。文章还确定了 活跃的和不活跃的传送器判断问题,并提供了利用空间和 时间相关性的一个网络数据恢复方案。仿真结果较好,证 明信号的时间和空间以及访问路径的相关性对数据压缩 具有重要意义。 参考文献[13]对常用的传感器、无线电和传感器探 头进行了传输能量定量分析,证实了传感能源成本水平的 重要性,并提出压缩感知和分布式压缩感知作为无线传感 网络的候补方案。用数值实验验证了压缩感知和分布式 压缩感知的实效性,并利用真实的数据集证实了它们在增 加感知数据利用效率和降低总体能源成本方面的优势。 (2)压缩感知的测量方案 参考文献[14]采用了经过证实的幂率衰减速率模 型,并为数据模型提出了一个基于二维投影的估测算法。 该方案只需较少的压缩测量,极大地减少了能量消耗。并 《微型机与应用>>2016年第35卷第l4期 且它允许简单的路由策略,所以不需过多的计算和控制, 在实际应用中有强大的鲁棒性。用该种方式实现了最优 估计误差限,与现有的方式相比,该方式延长了网络生命 周期1.5~2倍(测量误差5%~20%)。 参考文献[15]提出了高效利用内存的测量矩阵,并 应用于以分散小波变换(DWT)一离散余弦变换(DTS)混 合工艺为基础的方法中。文章从PSNR(峰值信噪比)、存 储的复杂度、能量的传输和延迟三方面评估了视频压缩感 知(VCS)框架的表现。结果表明:产生的矩阵与DTC和 DWT方式相比具有相似或者更好的PSNR并消耗较小的 存储空间。与原始帧传输相比,传输消耗的能量减少 50%,平均的延迟减少52%。 参考文献[16]中研究了不同调制方案在不同信道条 件下算法的表现。作者分别用QPsK/BPsK/QAM进行算 法调制,并用高斯和瑞丽信道传输。对于不同的方案,能 量的每一比特传输都进行了调制和计算。利用压缩感知 技术和调制算法分析了传感器网络算法的适用性。 (3)压缩感知的解压缩方案 参考文献[17]通过应用软件对时空的稀疏贝叶斯学 习进行了多通道生理信号的压缩感知并提出用时空稀疏 的贝叶斯学习算法,同时重建多信道信号。该方式不仅利 用时间与各个信道信号的时间相关性,也利用了在不同的 信道信号之间的信道内部相关性,且它的计算量没有受信 道数量的显著影响。文中提出的算法被应用于人脑和电 脑交互接口(BCI)和EEG基司机的睡意估计。结果显示, 该算法拥有比BSBL更好的恢复表现和更快的速度。文 中特别指出,即使是数据被压缩了80%,该算法还是确保 了BC1分类和睡意估计比BSBL有更小的退化,证明它对 于多信道信号的连续无限远程监控有很好的适应性。 (4)压缩感知在无线传感网络的具体应用 参考文献[18]展示了压缩感知信号在无线传感器网 络和物联网中的应用以及CS在无线感知网和物联网中 的数据采集和获取方面取得的创新。作者先采用低计算 量的压缩采样处理,简短地介绍了网络寿命方面的CS理 论,并提出一个Cs基框架应用于物联网。在该框架中完 成了节点测量、传输和存储样本数据并基于此提出了有效 的cluster—sparse重组算法应用于网内压缩,实现了更加精 确的数据重组和更低的能耗。 参考文献[19]对压缩感知构架的硬件进行了设计和 分析,介绍了压缩感知算法在无线感知领域的应用,解决 了在无线传感节点中常见的能源和遥测带宽约束。文中 介绍了CS系统的模拟和数字实现电路模型。该模型能够 分析与CS有关的任何能耗/表现代价。分析结果显示,无 线感知空间里信号需要更高的增益和中等到高的分辨率, 且利用无线感知空间,数据的实现将更加高效。由此产生 的电路构架由90 13.m工艺线的CMOS实现。实际测得的 欢迎网上投稿www.pcachina.corn 17
能量结果与电路模型十分匹配。虽然文中的结构设计和 i见0量只应用在医疗传感器,但其所用的方式和方法适用于 任何稀疏数据采集。 2 结论 Shi Yi.Muhiple access and data [12]Xue Tong,Dong Xiaodai, reconstruction in wireless sensor networks based on com— pressed sensing[J].IEEE Transact