面向无线体域网的压缩感知矩阵优化构造及性能分析

One of the core issues in wireless body area networks is to reduce energy consumption. Due to limited resources, the biosensors in body area networks can’t adopt a complex algorithm to compress the data. It causes the data transmission to consume a large portion of energy. In order to reduce power consumption in biosensors, it is a workable approach to investigate the on-node data compression method with low encoding complexity and high compression ratio. Compressive sensing can, via a measurement matrix, project a high dimensional signal to a much lower dimensional space, which can realize efficient data compression. However, the conventional random dense measurement matrices are hard to be adopted by the biosensors due to its large storage requirement and high encoding complexity. In this project, we will adopt the integer sparse matrices as the measurement matrices. Firstly, based on integer optimization, a framework for the construction of sparse measurement matrices will be established, which combines the aims of minimizing the encoding complexity and maximizing the sensing capability. Secondly, incorporating the prior knowledge of signals into the framework, the sensing productivity of the measurement matrices can be further improved in applications. Finally, the performance of the constructed matrices will also be analyzed, which reveals the interaction between the sensing capability and the encoding complexity. The analysis results will provide scientific basis for the parameters selection in the matrices construction. From the aspects of data compression, this project aims to provide theoretical support and key technologies for solving the problem of high power consumption in body area network.

降低能量消耗是无线体域网研究的核心问题之一。无线体域网节点由于资源有限，无法采用复杂的数据压缩算法，绝大部分能量都消耗在无线数据传输上。因此在体域网节点上探索低编码复杂度、高压缩率的数据压缩方法是降低节点功耗、延长网络生命周期的可行途径。压缩感知技术可通过测量矩阵将高维信号线性映射到低维空间，实现高效的数据压缩编码。然而常用的随机稠密测量矩阵因为存储量大、编码复杂度高而不适合被节点采用。本项目拟以整数稀疏矩阵作为测量矩阵，通过联合最小化编码复杂度与最大化感知能力目标，建立基于整数优化的稀疏测量矩阵构造方法。进一步将信号的先验信息引入优化过程，提高所构造测量矩阵在具体应用中的感知效率。最后通过理论分析，揭示所构造测量矩阵感知能力和编码复杂度之间的关系，为构造过程中的参数设置提供依据。本项目的研究成果能从数据压缩的角度为体域网传感器节点功耗问题的解决提供理论支持与关键技术。

降低能量消耗是无线体域网研究的核心问题之一。无线体域网节点由于资源有限，无法采用复杂的数据压缩算法，绝大部分能量都消耗在无线数据传输上。因此在体域网节点上探索低编码复杂度、高压缩率的数据压缩方法是降低节点功耗、延长网络生命周期的可行途径。压缩感知技术可通过测量矩阵将高维信号线性映射到低维空间，实现高效的数据压缩编码。然而常用的随机稠密测量矩阵因为存储量大、编码复杂度高而不适合被节点采用。整数稀疏矩阵能满足低编码复杂度的要求，但是缺乏有效的构造方法使之具备好的感知性能，其感知能力和编码复杂度之间的关系也尚不明晰。因此，本项目的研究内容主要包括：通过联合最小化编码复杂度与最大化感知能力目标，建立基于整数优化的稀疏测量矩阵构造方法；将信号的先验信息引入优化过程，提高所构造测量矩阵在具体应用中的感知效率；通过理论分析，揭示所构造测量矩阵感知能力和编码复杂度之间的关系，为构造过程中的参数设置提供依据。研究结果表明：与包括随机矩阵在内的几类已有的性能优异的测量矩阵比较、本项目方法所构造的整数稀疏矩阵具有更好的感知能力，同时便于硬件实现；我们从理论上建立了达到最优互相关，矩阵稀疏度需要满足的明确条件，从而揭示了整数稀疏矩阵感知能力和编码复杂度之间的关系。该项研究的成果不仅能从数据压缩的角度为体域网传感器节点功耗问题的解决提供理论支持与关键技术；而且可以应用于其它领域，包括传感器网络节点最优选择、5G通信技术等，因此对促进我国相关领域科技发展有重要意义。