专利名称：基于压缩感知的无线传感器实时监测系统的数据处理方法
技术领域：
本发明属于无线传感器网络中的信息处理与数据传输技术，具体地说，是一种基于压缩感知的无线传感器实时监测系统的数据处理方法。
背景技术：
近年来，无线传感器网络在实时监测领域得到了较多的应用。在这些应用中，通常使用能耗少，计算能力低的传感器节点来采集数据。而大规模无线传感器网络中，每个节点的能源(一般均靠电池供电)是受限的，上诉应用面临能耗和传输带宽受限问题。 参考文献DonohoD. L, Compressed sensing, Technical Report, StanfordUniversity, 2004.提出了一种压缩感知理论(Compressive Sensing, CS),它是基于信号处理、小波分析和计算、统计学等相关理论而研究提出的一种全新的信息获取模式，它能够在减少采样数的情况下精确或高概率精确重建原始信号。压缩感知在获取信号的同时，对数据进行适当的压缩，使其采样频率低于奈奎斯特抽样频率，这样仅仅通过很少的采样值，就可以精确的重构信号，同时又节省了大量的采样和存储资源。将压缩感知应用于无线传感器网络，可以减少传感器数量，降低成本和能耗。但在实际应用中，却面临如下问题根据压缩感知理论，在无线传感器端进行压缩处理数据时，需要形成的测量矩阵过大，超出无线传感器端存储器容量；第二步在需要进行测量矩阵和原始信号的相乘运算，算法的时间复杂度较高。
发明内容
本发明的目的是提供一种基于压缩感知的无线传感器实时监测系统的数据处理方法，通过重新构建稀疏二维矩阵来满足传感器节点内存需求，降低数据处理的复杂度，提高系统的实时性能。为达到上述目的，本发明的具体技术方案如下—种基于压缩感知的无线传感器实时监测系统的数据处理方法，其关键在于按照以下步骤进行步骤(I):无线传感器节点按照预定周期获取传感器数据X，所述传感器数据X =[x(l)，x(2)，...，x(N)]T为一个N维向量，这里的传感器数据x是经过小波变换处理后的数据，预定周期可以根据每一轮传输数据长度N的大小来确定；步骤(2):设置循环计数器D= 1，最大循环值为Dm，抽样值为M，其中，抽样值M =4S，S为传感器数据X中非零数据的个数，Dm的大小等于测量矩阵的分块数且保证夂 = ■为
m
整数；通常抽样值M的大小是根据小波变换后传感器数据X的稀疏度确定的，而传感器数据X的稀疏度即为N维数据通过小波变换提取关键数据后的非零数据的个数。步骤(3):随机生成IXN维的坐标位置矩阵Ed = [Edi,…，Em,…，Edn]，其中Em表示坐标位置矩阵Ed中第i列的元素值，i = 1，2，…，N，且Em为[1，K]之间的正整数，
权利要求
1.一种基于压缩感知的无线传感器实时监测系统的数据处理方法，其特征在于按照以下步骤进行 步骤(I):无线传感器节点按照预定周期获取传感器数据X，所述传感器数据X =[x(l)，x(2)，...，x(N)]t 为一个 N 维向量; 步骤⑵设置循环计数器D= 1，最大循环值为Dm，抽样值为M，其中，抽样值M = 4S，S为传感器数据X中非零数据的个数，Dffl的大小等于测量矩阵的分块数且保证
2.根据权利要求I所述的基于压缩感知的无线传感器实时监测系统的数据处理方法，其特征在于根据预定周期获取传感器数据X为一个1600维的向量，所述最大循环值Dm =4。
全文摘要
本发明公开一种基于压缩感知的无线传感器实时监测系统的数据处理方法，通过对压缩感知中测量矩阵构建方式的改变，采用二维随机矩阵来代替高斯随机矩阵，并对原有的测量矩阵进行分块运算，用坐标位置矩阵来确定稀疏二维矩阵中元素值为1的位置，使得还原矩阵的维数大大降低，同时将原有的矩阵乘法转换为矩阵加法运算，提高了运算速度，其显著效果是通过算法改进，使得压缩感知算法能够在实际应用中得以实时，满足一般无线传感器节点较小内存的要求，减小计算量，解决了传感器存储溢出以及计算时间较长的问题，提高了系统数据监测的实时性。
文档编号H04W28/06GK102802199SQ20121023398
公开日2012年11月28日 申请日期2012年6月28日 优先权日2012年6月28日
发明者刘国金, 张倩, 邓军, 曾孝平, 陈千, 熊东 申请人:重庆大学