无线传感器网络数据自适应稀疏变换

doi:10.3969/j.issn.1000-0801.2013.12.010

摘要/Abstract

摘要：

针对无线传感器网络节点位置移动及传输干扰等因素可导致数据稀疏结构改变的问题，提出一种基于字典学习的无线传感器网络自适应稀疏变换方法。根据网络数据稀疏结构变化，自适应构建最优稀疏变换基，同时在字典学习问题中引入无线传感器网络数据稀疏基的可压缩约束，以满足无线传感器网络中大规模数据处理特点及稀疏变换的高实时性要求。理论分析和仿真结果表明，所提算法可有效提高无线传感器网络数据稀疏变换算法的顽健性，同时具有良好的实时性。

关键词: 压缩感知, 字典学习, 无线传感器网络, 稀疏变换, 可压缩

Abstract:

Aiming at the change of sparse structure introduced by mobility of the wireless sensor network（WSN） nodes and noise in data transmission, an adaptive sparse transform method based on dictionary learning （DL）for WSN data was proposed. The optimum sparse basis can be adaptively constructed according to the change of sparse structure, and the compressibility of WSN data basis was introduced to DL to satisfy the real time requirement for large-scale data processing. Analysis and experimental results demonstrate that the proposed algorithm can significantly improve the robustness and the real time performance of WSN data sparse transform.

Key words: compressed sensing, dictionary learning, wireless sensor network, sparse transform, compressibility

陈暄. 无线传感器网络数据自适应稀疏变换[J]. 电信科学, 2013, 29(12): 60-64.

Xuan Chen. Adaptive Sparse Transform for Wireless Sensor Network Data[J]. Telecommunications Science, 2013, 29(12): 60-64.

图/表 4

参考文献 14

1	Akyildiz I F , Su W , Sankarasubramaniam Y . A survey on sensor networks. IEEE Communications Magazine, 2002,40（8）
2	李建中，高宏 . 无线传感器网络的研究进展. 计算机研究与发展， 2008,45（1）
3	Candes E , Romberg J Tao T . Robust uncertainty principles: exact signal reconstruction from highly incomplete frequency information. IEEE Transactions on Information Theory, 2006,52(（4）
4	焦李成，杨淑媛，刘芳等 . 压缩感知回顾与展望. 电子学报， 2011,20（7）
5	戴海琼，付长军，季向阳 . 压缩感知研究. 计算机学报， 2011,54（3）
6	Tosic I , Frossard P . Dictionary learning. IEEE Transactions on Signal Processing, 2011,28(（2）
7	Aharon M , Elad E , Bruckstein A M . K-SVD: an algorithm for designining of overcomplete dictionaries for sparse representation. IEEE Transactions on Signal Processing, 2006,54(（11）
8	Kreutz-Delgado K , Murray J F , Rao B D ， et al. Dictionary learning algorithms for sparse representation. Neural Computation, 2003,15(（2）
9	Skretting K , Engan K . Recursive least squares dictionary learning algorithm. IEEE Transactions on Signal Processing, 2010,58(（4）
10	Yaghoobi M , Blumensath T , Davies M . Dictionary learning forsparse approximations with the majorization method. IEEE Transactions on Signal Processing, 2009,57(（6）
11	Gowreesunker B V , Tewfik A H . Learning sparse representation using iterative subspace identification. IEEE Transactions on Signal Processing, 2010,58(（6）
12	Candes E , Romberg J , Tao T . Stable signal recovery from incomplete and inaccurate measurements. Communications on Pure and Applied Mathematics, 2006,59(（8）
13	Donoho D L , Johnstone J M . Ideal spatial adaptation by wavelet shrinkage. Biometrika, 1994,81(（3）
14	Needell D , Tropp J . CoSaMP: iterative signal recovery from incomplete and inaccurate samples. Applied and Computational Harmonic Analysis, 2009,26(（3）

	DCT运算时间（s）	K-SVD运算时间（s）	本文算法运算时间（s）
相关数据	1.573	2.677	1.032
受扰数据	1.641	3.323	1.049

[1]	陈超杰, 谢伟, 何林巍, 田强, 贺润平, 王哲斐. 针对输电线路周边工程机械的防撞在线预警方法[J]. 电信科学, 2022, 38(5): 95-103.
[2]	丁铖, 陈锦荣, 曹小冬, 王翊. 基于服务质量的层次化结构资源分配算法[J]. 电信科学, 2022, 38(1): 102-111.
[3]	于玄, 耿烜. 一种降低复杂度的压缩感知水声信道估计方法[J]. 电信科学, 2021, 37(3): 114-124.
[4]	王博伟,谭劲. 基于两次分段弱选择的压缩感知子空间追踪算法[J]. 电信科学, 2020, 36(5): 83-92.
[5]	李勇燕,吴坚平. 基于IPSO-MC融合算法的无线传感器节点定位[J]. 电信科学, 2020, 36(3): 11-18.
[6]	李坤,张静,李潇,金石. 人工智能辅助的信道估计最新研究进展[J]. 电信科学, 2020, 36(10): 46-55.
[7]	张红,沈士根,吴小军,曹奇英. 基于元胞自动机和静态贝叶斯博弈的WSN恶意程序传染模型[J]. 电信科学, 2019, 35(6): 60-69.
[8]	陈瑞凤,倪明,徐春婕,胡昊. 面向铁路环境监测的无线传感器网络通信性能分析[J]. 电信科学, 2019, 35(5): 70-77.
[9]	李娜娜,李有明,余明宸,卢倩倩. 水声通信中基于正则化阈值迭代的脉冲噪声抑制方法[J]. 电信科学, 2019, 35(3): 76-83.
[10]	虞晓韩,董克明,李霞,陈超. 一种基于El Gamal加密算法的压缩数据收集方法[J]. 电信科学, 2019, 35(12): 67-78.
[11]	周颖,杨丽花,杨龙祥,倪梦. 基于卡尔曼预测与压缩感知的WSN中高能效数据收集方法[J]. 电信科学, 2019, 35(1): 74-80.
[12]	曹世华,胡克用,王李冬,王琦晖. 基于分布式色调识别的无线传感器网络k连通性路径检测[J]. 电信科学, 2018, 34(2): 65-73.
[13]	周海平,沈士根,黄龙军,冯晟. 基于博弈论的无线传感器网络恶意程序传播模型[J]. 电信科学, 2018, 34(11): 67-76.
[14]	孟得月,裴二荣,黄佑林. 异质节点分离CRSN中MAC协议设计与性能分析[J]. 电信科学, 2017, 33(8): 107-119.
[15]	刘建华,李明禄,李大志,李鲁群. 工业无线传感云中面向移动机器人的自适应信任演化机制[J]. 电信科学, 2017, 33(6): 86-96.