基于压缩感知的传感器网络能量高效数据采集研究(2)
1.1 研究背景
随着科技发展的脚步越来越快，人类已经进入到了信息化的时代，而作为信息获取最重要和最基本的技术——传感器技术，也得到了极大的发展，二十世纪九十年代末，美国出现了无线传感器网络。无线传感器网络，它是一种测控网络，节点都是随机设置和投放的，任何时刻，它是一种自组织的网络拓扑结构，节点之间通过无线信道连接。传感器的节点之间具有很强的协同能力，可以通过局部的数据采集、预处理及节点间的数据交互来完成彼此之间数据的采集和传输，节点间通常采用多跳、对等这样的通信方式[1]。传感器信息获取技术，也已经从过去的单一化逐渐向集成化、微型化和网络化方向发展，广泛应用在工业、军事、交通等领域，并必将会带来一场信息革命。
无线传感器网络（WSN，wireless sensor networks）[2]，它可在独立的环境下运行，也可以通过网关来连接到网络基本设施上，譬如Internet，它具有计算能力、感知能力和通信能力，综合了传感器技术、嵌人式计算技术、分布式信息处理技术和通信技术，对地实时监测、感知和采集网络分布区域内的各种环，境或监测对象的信息可以起到良好的协作效果，并对这些获得到的信息进行相关处理，从而得到详尽而准确的信息，并将这些信息传送给需要的用户。
在大规模的无线传感网络中，要进行数据采集依赖于小型和廉价的传感器节点，这些节点对能源约束的要求很高。在这种情况下，网络的生命周期往往是一个关键问题，因为如果节点产生了数据后，将其提交给数据收集汇聚点，这个需要大量的通信，节点可能会耗尽能量[3]。网络分散压缩可以达到全球通信和节能减排的效果，网络分散压缩可以减少要通过网络发送的数据量，同时保持在汇聚点收到的在重建阶段数据的精度。
压缩感知（CS）理论是在已知信号具有稀疏性或可压缩性的条件下，对信号数据进行采集、编解码的新理论，它指出：当信号在某个变换域是稀疏的或可压缩的，可以利用与变换矩阵非相干的测量矩阵将变换系数线性投影为低文观测向量，同时这种投影保持了重建信号所需的信息，通过进一步求解稀疏最优化问题就能够从低文观测向量精确地或高概率精确地重建原始高文信号。在该理论框架下，采样速率不再取决于信号的带宽，而在很大程度上取决于两个基本准则：稀疏性和非相干性，或者稀疏性和等距约束性[4][5]。
压缩采样或压缩感知是一种压缩技术，它不需要对原始数据有先验信息，但要对稀疏率的有先验信息，它在没有中央协调的情况下执行分布式网络内压缩。当解码只影响集热器时，压缩可以会同路由进行，这通常是一个电网连接的网关可以做到的复杂的计算。压缩感知采用了准随机压缩矩阵，可将数据压缩成一个较短的版本，版本长度取决于原始信号的稀疏性[6]。
尽管CS是一种很有前途的网络分布式数据压缩的方法，它提出了主要涉及由标准介质访问控制（MAC）协议强加的分组约束的几个挑战。在本文，我们主要研究ZigBee网络，因为ZigBee协议栈是可商购的、现成的、现有的解决方案中最常用的协议。我们考虑一个用ZigBee网络监控温度的现实生活中的场景，研究压缩感知和一个经典数据采集技术的对于各种网络规模的性能。本文的主要贡献是设计一种新的自适应混合算法，该算法克服了上述两种方法的局限性。所提出的解决方案，成功地减小了功耗，并根据节点的状态在网络中传输的数据包的数量，延长系统的寿命。
1.2 国内外研究现
1.3 本文主要工作