一种基于L_p动态范数的压缩感知数据收集方法技术

在稀疏度未知的前提下，传统重构算法如果对信号的稀疏度估计过高，就会使重构算法收敛速度变慢，算法的复杂度变大，如果对信号的稀疏度估计过低，就会发生漏检。本发明专利技术提出在信号稀疏度度未知的情况下基于

A method of compressed sensing data collection based on L_p dynamic norm

In the premise of unknown sparsity, the traditional reconstruction algorithm of sparse signal estimation if too high, will make the convergence speed of reconstruction algorithm is slow, the complexity of the algorithm becomes large, if the sparsity of the signal estimate is too low, there will be missed. The present invention is based on the fact that the degree of sparsity of the signal is unknown

【技术实现步骤摘要】
一种基于L_p动态范数的压缩感知数据收集方法
本专利技术涉及在信号稀疏度未知的情况下，提出一种基于动态范数的压缩感知数据收集方法，属于通信技术和数据收集领域。
技术介绍
无线传感器网络是一种全新的信息获取平台，其目的是协作地感知、采集和处理网络覆盖区域中感知对象的信息，并发送给观察者，已被广泛用于军事领域、环境监测、医疗护理等相关领域。传统的数据收集方法是将传感器节点采集的所有数据经过簇头节点传输到基站进行处理。然而，在传感器网络的数据采集过程中，通常是多个传感器节点对同一事件进行感知压缩，其中携带了大量的冗余数据，传输时大大占用了网络通信带宽，带来了不必要的能耗。压缩感知(CompressedSensing,CS)的提出为无线传感器网络数据收集开辟了新的思路,它突破了传统奈奎斯特采样定理的限制，提供了一种利用较少的采样信息准确重构出原始信号的方法。该理论利用信号的可压缩性，通过低维空间、低分辨率、欠奈奎斯特采样数据的非相关观测来实现高维信号的感知。压缩感知理论可以分成三个过程：采样、测量和重构。采样过程：对稀疏数据进行采样；测量过程：对采样得到的数据进行压缩测量，得到观测向量；重构本文档来自技高网...

【技术保护点】
一种基于

【技术特征摘要】
1.一种基于动态范数的压缩感知数据收集方法，其特征在于，所述方法包括如下步骤：步骤一、在多个信源周围布置若干无线传感器节点，将距离每个信源位置最近的传感器节点确定为簇头，以各个簇头为中心对所述无线传感器网络中的传感器节点进行分簇；步骤二、生成高斯随机矩阵，采集每个簇中的数据，确定需要的测量数；步骤三、网络中的每个传感器节点发送自身数据的加权到簇头节点，簇头节点根据得到的数据特征采用基于范数的重构算法进行信号的重构，依残差检测出数据的稀疏度；步骤四、依重构误差，动态更新值，继续重构信号，直至达到精度要求。2.一种基于动态范数的压缩感知数据收集方法，其特征在于，网络中的每个传感器节点发送自身数据的加权到簇头节点，簇头节点根据得到的数据特征采用基于范数的重构算法进行信号的重构，依残差检测出数据的稀疏度，至少还包括如下步骤：1）初始化，集合，对于输入的原始信号，令初始稀疏度，测量矩阵为高斯随机矩阵；2）簇头节点接收观测向量，并利用基于范数的重构算法解出原始信号的估计信号；3）计算，即计算，其中表示的列向量,...

【专利技术属性】
技术研发人员：田淑娟，章颢议，李哲涛，池金龙，周仪璇，
申请(专利权)人：湘潭大学，
类型：发明
国别省市：湖南,43