低冗余cs观测方法及其在wsns数据收集中的应用

《低冗余cs观测方法及其在wsns数据收集中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、西安电子科技大学学位论文独创性(或创新性)声明IIltlIIIIIlUIIIIIIIIIHIIIIIEIIIItlIIl：Y2380298秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谓}中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。申请学位论文与资料若有不实之处，本人承担一切的法律责任。本人签名：婆堕

2、蜜日期：叫；．；，，关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存论文。同时本人保证，毕业后结合学位论文研究课题再攥写的文章一律署名单位为西安电子科技大学。(保密的论文在解密后遵守此规定)本学位论文属于保密，在年解密后适用本授权书。本人签名：窒堕：燕导师签名：么丝塑日期：塑!三：!：里日期：旌缀!墨!肇摘要压缩感矢H(compressedsen

3、sing，CS)理论是2006年由D．Donoho、E．Candes和T．Tao等提出的集采样和压缩为一体的新的信息获取理论。由于CS框架下的数据处理体系能利用稀疏信号的本质特征，用低维投影来捕捉高维信号的特征，并通过重构算法从低维投影中提取出高维信号的信息，因此，在它问世的短短几年里就受到国内外学者的广泛关注和研究。尽管CS的研究在如火如荼地进行着，但仍有一些基本问题尚未研究清楚。例如，如何获得可靠重构的压缩观测?压缩感知观测能否再压缩?如何设计观测、存储以及传输的整体方案?如何构造便于实现的观测矩阵?本论文以CS中存在的这些基本问题为切入点，以信号获取和处理理论

4、为基础，结合集合论、控制论以及信息论的思想，提出通过两种途径来减少CS观测的低冗余观测方法，并通过增加判断处理机制的反馈思想来获得可靠重构的结果。并将其应用于无线传感器网络(wirelesssensornetworks，WSNs)6P进行数据收集达到节约传感器节点能耗、获得可靠重构数据的目的。本论文所取得的主要研究成果具体如下：1．提出了当初始观测过量时获取低冗余观测的方法针对传统压缩方法很难有效地减少压缩感知观测的难题，基于互相关理论、集合论和序列压缩感知方法的思想，提出了一种减少冗余压缩感知观测的方法。该方法可以大大减少存储和传输压缩感知观测的代价，为设计压缩感

5、知观测、存储和传输的整体方案奠定了理论基础。2．提出了从任意初始高斯观测来获得可靠重构的低冗余观测方法传统压缩观测中初始观测可能是冗余的，也可能包含的信息不足以重构原始信号。这可能导致两种不想要的结果：获取的观测是高冗余的或不能用来完全重构信号。为了处理上面两种不想要的结果，针对任意初始高斯观测，基于信息论、集合论、序列压缩感知方法以及高斯观测的特点，提出一种获取重构概率为l的低冗余观测方法。所提方法通过增加一些可接受的计算获得下面三个优点：减少在线存储和传输的CS观测数据，获得重构概率为1的观测和避免估测信号稀疏度的难题。该方法提供了设计压缩感知观测、存储和传输一

6、体化的明确方案。3．提出了从任意初始贝努利观测来获得满足重构概率约束的低冗余观测方法针对现有方法不能求解重构概率有约束情况下的压缩观测难题，以压缩感知中常用的贝努利观测集为研究对象，基于贝努利观测的特征、序列压缩感知方法和减少冗余观测的思想，提出了一种获得满足重构概率约束的更少贝努利观测方法。由于该方法适合于任意初始贝努利观测，因此无论信号的稀疏度是否已知，所提方法均能获得满足重构概率约束的更少贝努利观测。该方法为解决重构概率有约束情况下获取压缩感知观测的低冗余CS观测方法及其在WSNs数据收集中的应用难题提供了一条崭新的思路。4．基于RLDPC矩阵构造了满足STR

7、IP属性的稀疏确定观测矩阵针对每个信号分量叠加次数过多造成的压缩观测冗余性，基于规则的低密度奇偶校验矩阵(regularlowdensityparitycheck，RLDPC)，设计了满足统计有限等距属性(statisticalrestrictedisometryproperty，STRIP)的稀疏确定观测矩阵。所构造的矩阵除了满足STRIP属性外，它和稠密观测集有相同的观测数量阶数。因此，采用所构造的观测矩阵仍能获取低冗余观测。该方法可以应用到采样器必须是确定的场合，也可以用于减少计算复杂性和降低存储空间。基于所构造的观测矩阵，结合多通道采样方案，设计了可低速