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...
详细信息
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。
无线传感器网络(Wireless Sensor Network,WSN)作为一种新兴网络,已广泛应用于日常生活、工业、军事等诸多领域。无线传感器网络由大量具备无线通信能力的节点组成,这些节点广泛分布在监控区域内用于长期监测、采集、传输数据。但是节点能量又相对有限,并且很难进行及时补充,一旦无线传感器网络中某个节点能量消耗殆尽,那么整个传感器网络的性能将会受到很大的影响,甚至濒临瘫痪。因此,数据收集中如何有效减少无线传感器网络中节点的能量消耗成了一个热点问题。本文在调研了无线传感器网络及其数据收集技术的基础上,简单地介绍了数据融合技术,同时引进了压缩感知(Compressed Sensing,CS)技术。针对传统的数据收集过程中遇到的能耗问题时,将压缩感知理论与数据融合技术相结合,提出了基于压缩感知的数据收集技术,并且研究探讨了该数据收集技术在能量消耗上的优势。接着,针对普通压缩感知所存在的密集投影问题,对现有稀疏投影机制进行改进,将距离选择策略加入到数据收集过程中,提出了基于最短路径树的压缩感知算法(Shortest Path Tree,SPT),通过感知节点在数据传送过程中依据距离选择策略,选择投影节点与汇聚节点作为目的节点进行数据的传输以减少整体的能量消耗。最后,结合路由策略、数据融合技术以及节点差异性,提出了基于节点选择的数据生成树压缩感知算法(Combining Nodes with the Minimum Spanning Tree Projection,CN-MSTP)。该算法随机选择不同的节点作为投影节点,并且设置每一个投影节点作为最小生成树的根节点,最小生成树的构造过程中使用贪婪原则尽可能地选择感知节点进行数据的融合。更进一步将汇聚节点参与到最小生成树的构造过程,提出eCN-MSTP算法。仿真实验表明,所提的两个算法在节约全局能耗以及平衡网络负载上具有较好性能,从而有效延长传感网的生命周期。
暂无评论