壓縮感知在無線傳感器網絡中的應用

周玉偉+張玉蘭+任云

【摘 要】本文通過應用壓縮感知方法，選擇托普利茲矩陣作為觀測矩陣，將采集到的數據進行融合，大大減少網絡通信的數據量，從而延長無線傳感器網絡壽命。

【關鍵詞】壓縮感知；托普利茲；無線傳感器網絡壽命

0 引言

無線傳感器網絡（Wireless Sensor Network，WSN）是由大量低成本，能量受限的傳感器節點以一定的拓撲結構組成的無線自組織網絡。憑借其隱蔽、容錯、部署便捷等優點，WSN在目標跟蹤、醫療護理、智能交通、軍事等領域有著廣泛地應用。由于成本、體積的限制，傳感器節點電池容量不是很大，并且由于工作環境特殊，或者節點熟練龐大，人們無法頻繁更換電池。因此，在獲得有用信息前提下，怎么延長整個無線傳感器網絡的壽命是國內外學者的研究重點。在WSN中，傳感器節點能量主要消耗在三個方面：數據傳輸、信號處理和硬件操作。其中，數據傳輸消耗的能量占總能量消耗的90%。針對上述問題，WSN在傳感器節點采集數據的過程中運用數據融合技術是一種有效的手段。

壓縮感知CS（Compress Sensing）由美國學者Tao、Romberg和Donoho等人在泛函分析和逼近論的理論基礎上，根據信息論的研究成果建立了壓縮感知理論。CS理論指出：只要信號是稀疏的或可壓縮的，我們就可以采用遠低于奈奎斯特頻率的采樣頻率采樣信號，進而精確恢復信號。這一理論突破了奈奎斯特采樣定理的局限，為獲取信號與傳感器設計提供了嶄新的方法，成為近年來的一個熱點研究領域。Baron于2005年提出的分布式壓縮感知DCS（Distributed Compressive Sensing）理論，為壓縮感知在WSN的應用提供了研究思路。

3 壓縮感知在WSN中的實現方法

在實際應用中，無線傳感器網絡是由大量廉價的微型傳感器節點構成的，可以通過網絡協議形成“信息感知簇”，由簇首將觀測矩陣中M個行向量包含的伯努利序列分發給每個簇成員即采集節點，每個采集節點按照低速率采樣得到采樣數據，然后與接收到的伯努利序列進行簡單運算得到一個壓縮觀測值，每個采集節點只需向簇首發送一個壓縮觀測數據即可，簇首將接收到的壓縮觀測數據向sink節點傳遞，由sink節點完成信息的解壓縮和信息的提取。

4 實驗仿真

在仿真實驗中，將N=100個傳感器節點隨機均勻分布在100m×100m，匯聚節點sink位于區域中心。在實驗中選擇稀疏M為30且信號長度N為256，隨機選擇30個位置，觀測矩陣為托普利茲矩陣并進行歸一化處理，仿真結果如圖3所示（縱坐標代表信號的幅值，橫坐標代表信號的長度）。

5 結論

通過運用壓縮感知技術的應用，選擇托普利茲矩陣作為觀測矩陣。該矩陣的結構特點適合WSN傳感器節點進行低速采樣，采取發送壓縮觀測值的策略減少了網絡通信數據量，延長傳感器的使用壽命，從而保證無線傳感網絡的穩定性，為未來無線傳感網絡性能的優化提供了一種有效的方法。

【參考文獻】

[1]呂方旭，張金成，劉立陽，等.基于WSN的多聲源目標定位算法[J].傳感技術學報，2012，25（8）：1121-125.

[2]Lan F， Akyildiz， Mehmet Can Vuran. Wireless Sensor Networks[M].America： John Wiley and Sons，2010，46-49.

[3]D.L Donoho. Compressed sensing[J].IEEE Trans. Inf. Theory，2006，52（4）：1289-1306.

[4]E.J. Candes and T. Tao. Near-optimal signal recovery from random projections： Universal encoding strategies[J].IEEE Trans. Inf. Theory， 2006，52（12）：5406-5425.

[責任編輯：王楠]