基于网络采样的分布式压缩传感系统设计与研究

According to the problem that data transmissions over Wireless Sensor Network(WSN) are easily influenced by unstable links, redundancy and packets loss etc., a new concept called "Net-sampling" which integrates network coding transmission and random linear projection-based compressive sampling is proposed in the project by the studies of robustness characteristics of network coding and non-adaptive sampling feature of compressive sensing. In wireless sensor nodes cluster unit which consists of several nodes with high correlations, a suitable net-sampling method is studied to measure the whole signal of the cluster. The method will take the advantages of network coding and compressive sampling to overcome the shortage of high package loss rate in WSN while maintaining the high efficiency of data compression and network transmission. Among wireless sensor nodes cluster units, joint sparse signal modeling and reconstruction algorithms are researched based on distributed compressive sensing, to further improve the recovery quality of data or reduce the amount of needed samples. The research of the project will provide a new idea for the joint utilization of the advanteges of network coding and compressive sensing, and offer a new scheme for the high efficiency data collection and reconstruction of large-scaled wireless sensor network.

针对无线传感器网络(Wireless Sensor Network, WSN)中数据传输受WSN链路不稳定、冗余信息量大、传输效率低等影响较大的问题，本项目通过对网络编码抗丢包特性以及压缩感知非自适应采样特性的研究，提出了一种数据在网络编码传输的同时完成随机线性投影压缩采样的"网络采样"新概念。在相关性强的多个传感节点形成的节点簇单元内，通过研究合理的网络采样方法，对节点簇的整体信号进行测量，充分利用网络编码和压缩感知的优势，在保持采样数据压缩效率的同时提高网络传输效率，克服无线传感器网络丢包率高的问题。在各节点簇单元之间，研究基于分布式压缩感知的联合稀疏信号建模和重构方案，进一步提高信息的恢复质量或降低同等恢复质量下所需的数据量。本项目的研究将为网络编码和压缩感知的优势联合提供一种新思路，为大规模无线传感网络的高效数据采集和重构提供一种新方案。

本项目针对无线传感器网络（WSN）中数据传输冗余大、传输效率低等问题，提出一种将数据压缩与传输同时进行的处理方法，即“网络采样”技术，该技术同时利用网络编码与压缩感知（CS）的技术优势，实现大规模数据在WSN中高效可靠传输。本项目还探索了在保持压缩感知理论中少量测量即可精确重构原始信号特性的新方法，以提高网络传输效率并克服无线传感器网络中的高丢包率问题。项目组在基于网络采样的分布式传感系统设计、网络采样编码核的设计和基于网络编码的压缩采样方案设计三个方面展开研究，取得的主要创新成果如下：. 1.从WSN的信息时空相关性出发，首次将结构化随机测量的思想引入基于克罗内克积的CS理论中，提出基于邻居辅助的时空相关信号的测量方法，通过一小部分无线传感器节点及其随机选定的唯一邻居节点的协作，实现整个网络在采集周期内的数据收集，大大降低了网络通信量。基于改进的克罗内克积CS理论，深入发掘网络数据的时空相关性，提出基于稀疏采样的有效数据收集方法。对于大规模密集WSN具有空域相关性的数据，提出一种新的无线传感器网络数据收集方案——链路采样，并设计了其物理实现方案。. 2.设计了具有不同结构和优势的五种采样编码核，分别满足CS理论的约束等距性条件或者低相关性，从理论和仿真方面验证了采样编码核对稀疏信号具有较好的恢复性能。. 3.针对传统的编码感知路由协议在数据包编码时没有考虑编码节点缓存状态的问题，提出了一种基于缓存管理的高效编码感知路由算法，提高了网络吞吐量；针对传统基于机会的网络编码策略会降低网络编码对时延和抖动贡献的问题，分别提出了一种低时延和低抖动编码感知路由数据传输算法，优化了网络时延和抖动方面的性能。. 本项目共发表学术论文24篇（SCI检索8篇，EI检索13篇，核心2篇），其中期刊论文16篇，会议论文8篇（最佳会议论文奖1篇）；出版专著一部； 申请国家发明专利15项（已授权8项）；申请软件著作权2项（已授权2项）；培养博士生4名，硕士生 11名。