基于确定性量测矩阵的压缩无线感知技术研究

如何充分利用无线传感器网络节点感知数据的时、空相关性，以能量有效的方式更加高效地获取感兴趣的数据是无线传感器网络应用亟待解决的问题。压缩感知理论提出了以采样和压缩同时进行的模式将模拟信号直接处理为数字形式的有效途径。本项目研究以大规模无线传感器网络的高效数据采集为研究背景，以具有确定性量测矩阵的压缩感知方法为研究核心，以感知数据的快速、高效重构算法为研究支撑，形成无线传感器网络的压缩感知、数据采集、信息重构的系统方法，实现大规模传感器网络数据的压缩无线感知技术。将具有确定性量测矩阵的压缩感知方法与无线传感器网络相结合，将会显著地提高无线传感器网络数据采集的效率和精度、降低网内数据通讯量及改善网络的能源利用率和均衡度。

本研究项目旨在针对基于确定性量测矩阵的压缩无线感知技术进行深入研究。项目紧密围绕所提出的四个主要研究要点，从确定性量测矩阵构造、高效数据采集方法、感知数据的高效重构方法研究入手，充分挖掘无线传感器网络节点感知数据的时、空相关性，以能量有效的方式更加高效地获取感兴趣的数据，并通过稀疏事件检测的仿真实验及实际物理实验验证了所提出的算法的有效性。. 在压缩感知方法的确定性量测矩阵构造方面，本研究首先对现有的确定性测量矩阵构造方法进行了分析与归纳。其次，提出了基于紧缩和交互投影方法、膨胀图方法以及边膨胀图理论的确定性测量矩阵的构造算法。. 在大规模无线传感器网络高效数据采集方法方面，研究提出了基于稀疏二进制测量矩阵和移动代理的数据采集方法，面向能量均衡的无线传感器网络压缩数据采集方法，以及基于最小能量消耗的最优数据融合树构建算法。. 在传感器网络感知数据的高效重构方法研究方面，本研究首先对经典压缩感知数据重构算法的性能及条件进行分析，然后研究了测量矩阵与重构算法的协同构造算法，并对基于贪婪正交匹配算法的压缩感知重构算法进行了探讨。. 此外，对基于智能优化算法的直接求解L0范数最小化问题的压缩感知重构算法进行了深入的探讨。分别提出了基于遗传算法和模拟退火的智能优化算法、智能贪婪优化算法、基于人工免疫算法和基于细菌觅食算法的直接求解L0最小范数的压缩感知信号重构算法，提高了信号重建的精度。. 在应用于稀疏事件检测的压缩无线感知技术研究方面，以无线传感器网络应用中的高温事件检测，以及认知无线电频谱感知中利用压缩感知技术进行频谱漏洞的检测为实际应用背景，开展了实验研究。验证了所提出的确定性测量矩阵设计、无线传感器网络中基于压缩感知的数据高效采集以及高精度数据重构算法的实际有效性。同时对应用压缩感知技术充分挖掘遥感光谱成像和光声成像中的稀疏信息以提高成像质量的方法进行了探索，提出了有效提升图像分辨率和压缩效率的图像采集及增强算法。. 本研究充分挖掘了基于确定性测量矩阵压缩无线感知技术的各项相关理论基础，加以整合和提升。并能够理论与实际相结合，通过实际物理系统对理论创新点进行验证。在研究内容和成果形式上圆满完成了计划书的要求。