《海岛智能监控系统.docxVIP

海岛智能监控系统本项目将主要研究以下关键技术：1无线传感器网络监测系统图2 无线传感器网络节点结构图无线传感器网络监测系统主要实现地表水、水质、气候等的检测。图2给出了无线传感器网络节点结构图。整个无线传感器网络监测系统由一般节点、路由器、智能网关等组成无线自组织网络。它使用ZIGBEE协议标准，工作在2.4GHZ的ISM频段。ZIGBEE通信网络为近距离通信，主要通过一般网络节点或者路由器组网，建立ZIGBEE网络服务，控制各个节点的数据采集和传数据传输，实现这些节点的数据汇集和处理。由于监测节点通常距离测控站较远，并且传输的数据量比较大，因此，在智能网关中加入3G/WIFI通信模块，实现智能网关与测控站之间的大数据量、远距离的数据传输。一般节点主要完成地表水、气候等数据采集以及近距离的数据传输，节点中的GPS可以自动为节点定位。路由器节点除了包含一般节点的功能外，还具有为一般节点提供路由的功能，能实现网络连接范围内的传感器节点的采集信息、控制命令的转发。智能网关节点除了具有一般节点的功能外，还具有智能管理网络、远距离中继功能，可以实现水质分析、信息处理和存储、远距离无线数据传输等功能，具有3G、WIFI、ZIGBEE等多种（或者某几种）通信方式。 本项目主要针对分布式处理算法研究，对现有的分布式估计、压缩感知、分布式网络编码、小波压缩等分布式数据处理算法进行对比研究，主要包括：A．压缩感知技术研究压缩感知(CS)理论是信号处理领域中的一种全新框架，它突破了Shannon/Nyquist 采样定理的理论极限，仅用少于Shannon/Nyquist 采样率的非相干投影，便可实现宽带信号（假设在某基上是稀疏或可压缩）的低采样速率处理；并把计算复杂度从传感节点转移到融合节点（sink 节点）或后台。CS主要包括信号稀疏化、观测以及重构三个方面。 首先进行信号稀疏化：选用合适的变换基，将信号向量在其上进行投影，得到一个具备大量零系数或接近零的系数的稀疏向量；其次进行观测，选取稳定的观测基，然后将稀疏信号与观测矩阵相乘即可获得信号的线性投影观测。最后，运用重构算法可由观测值及投影矩阵重构原始信号。B．分布式编码技术研究 由于传感器节点计算能力和能量受限，根据信道模型设计自身的分级量化理论，考虑水声信道特征进行联合信源信道编码，实现在较低计算复杂度条件下提高抗干扰的能力。让每一个传感器节点在条件熵率下无损通信，而不是它单独的熵率H(X1)、 H(X2)，其特点是总速率超过联合熵率H(X1,X2 )，在编码时传感器之间不需要协商，从而节省节点间宝贵的通信开销。C．分布式小波压缩算法研究考虑信号的非平稳性及时变性，可以对信号压缩采用小波包分解后进行熵编码，通过挖掘时间和空间相关性减少冗余数据的传输，以满足水声信号实时传输的要求。用比原始数据更稀疏的小波指数代替节点的测量值，提出基于混合分解的分布式小波变换，利用节点的计算能力减少节点间交换数据产生小波系数的通信开销；提出自适应小波变换，根据小波变换的压缩增益和网络开销自适应确定最优变换级。（4）不同算法的分析与比较 考虑不同算法下多个参数的折中，如能量、精确性、延迟、容错性、稳定性等等。在传感网的应用场景下，从应用条件、协作依赖程度、重构速度、测量域支持等方面进行比较。在基站设计一个基于空间相关性分布式压缩算法，利用节点感知数据的空间和时间相关性，建立稀疏矩阵，以能量有效的方式对数据进行压缩和重构，分析重构误差和观测数据的关系，通过仿真及实测验证其性能。（5）基于分布式数据处理的跨层设计 首先考虑不同的节点配置情况（规则、不规则）和网络拓扑（中心式、分布式），考虑选用不同的压缩方法。 对于中心式拓扑（可视为一个簇单元运行的特例），采用以非协作方式（节点之间不需要进行数据压缩）进行数据采集，从减少数据采集量上考虑节能。每个节点随机决定自己是否进行采样，随机分布将采集到的节点传送到SINK。只要明确节点感知数据是可以压缩的，即在某些正交基上可以稀疏表达，节点侧便可以运行低计算开销的编码算法，SINK侧通过收集节点感知数据的观测向量，运行较为复杂的解码算法，进行数据的压缩和重构。 对于分布式拓扑，由于较难获得全网的数据相关信息，可以考虑局部压缩算法，以部分协作的方式（即节点只与邻居进行信息交换），消除空间和时间上的冗余、最小化节点的通信量。节点发往簇头信息经整理后，以多跳连接的形式送往SINK并进行重构。传送过程中，进行本地压缩和传输代价的折中，结合功率控制、路由选择等问题，综合考虑数据压缩与各协议层之间的关系，并通过线性规划的方法获得网络最小耗能。提出跨层的、能量有效的分布式数据压缩和汇聚方案。2 视频监控子系统 图3给出了视频监控系统组成框图。由图3可见，系统主要由视频采集单元、视频编码器、嵌