基于高斯模型的随机采样网络数据重构的研究.pdfVIP

第 18 卷第 2 期 Vol. 18 No. 2 法州学院学报 2016 年4 月 JOURNAL OF CHUZHOU UNIVERSITY Apr. 2016 基于高斯模型的随机采样网络数据重构的研究 王倚，吴宣够 摘 要:现有基于压缩感知的网络数据收集需要网络中所有节点参与单个测量值收集，由于网络丢包、数据易错性、网络 节能等房、因导敛很难满足现有压缩感知理论的委求。本文提出一种基于高斯扩散模型的随机采样网络数据重构方法，既 能有效压缩待收集网络数据.又能精确恢复未采样数据。真实网络数实验结果表明该方法的有效性，同时为基于压缩感 知的随机采样数据收集提供参考。 关键词:压缩感知;传感器网络;随机投影;高斯扩傲模型 中固分类号:TP393. 02 文献标识码:A 文章编号:1673-1794(2016)02-0023-04 作者简介g 王份，安徽工业大学现代教育技术与网络管理中心教师，硕士;吴宣够，安徽工业大学计算机学院物联网工程系 副教授，博士，研究方向2 网络数据处理(安徽马毅山 243002) • 基金项目:国家自然科学基金资助项目 (NO. 收稿日期:2015-10-14 无线传感器网络(Wireless Sensor Network , 络路由，本文旨在最稀疏投影矩阵下随机采样感 知数据的恢复重构研究。 WSN)已广泛的用于各种数据监控应用。 由于受 接下来， 首先介绍基于压缩感知的无线数据 到传感器节点能量、存储能力、通信带宽等资源的 收集，其次给出一种基于高斯扩散模型的网络数 限制，其大规模部署会导致系统无法长时间运 行[1 ， 2) 。在数据收集的过程中，尽可能减少网络中 据采样和重构方法，最后通过真实的网络数据验 证我们提出方法的性能。 传输的数据包数目有利于延长网络运行时间。同 时，由于 WSN 是一种不可靠网络，网络丢包现象 1 基于压缩感知的无线网络鼓据收集 十分严重，从而导致收集到的数据残缺不全。故 1. 1 压缩感知 研究如何减少网络能量消耗同时保证监控数据的 质量成为WSN 数据收集的重点内容之_(3) 。通 压缩感知是对传统数据压缩理论和香农采样 常无线传感器网络所监控的数据具有一定的时间 理论的一个突破和发展。香农采样理论认为采样 相关性，这为减少网内传输数据数目和利用相关 频率需要大于被采样信号最高频率的两倍以上。 性对未采样数据恢复成为可能。 而压缩感知理论宣称:压缩和采样可以同时进行， 压缩感知(Compressive Sensing , CS)[叫作 对可压缩信号或稀疏信号进行少量的线性投影即 为一种新的数据采样和信息获取理论，其可以有 可获取该信号的绝大部分信息，并且具备编码简 效减少网络传输的数据包数目和平衡网络能量消 单解码复杂的特点。基于压缩感知的数据压缩过 耗。目前，基于压缩感知的无线传感器网络数据 程如图 l 所示。 Iþ s 收集己存在不少研究，如文献日， 7) 提出利用高斯随 机矩阵投影进行大规模WSN 数据收集中，其可以 N 减少网络中传输的数据包和平