1、無線傳感器網(wǎng)絡(luò)(Wireless Sensor Networks,WSN)由大量的無線傳感器節(jié)點組成,負(fù)責(zé)完成某個區(qū)域內(nèi)信息的感知、存儲、傳輸、處理等功能。由于WSN具有節(jié)點數(shù)目眾多,采集數(shù)據(jù)量龐大,能量受限,各節(jié)點同構(gòu)性較強(qiáng)等特點,因此,如何利用 WSN這種獨特性質(zhì)來壓縮數(shù)據(jù)從而降低功耗是一個亟需解決的問題。
　　近年誕生了一種新的信號處理技術(shù)——壓縮感知(Compressed Sensing,CS)理論。由于其具有編碼復(fù)雜度低

2、,所需信號采樣值少,編解碼相互獨立等特性,正好從數(shù)據(jù)壓縮高效和編碼算法簡單等方面滿足了WSN中資源受限的應(yīng)用需求。在CS的基礎(chǔ)理論之上,人們進(jìn)一步探究了WSN中各節(jié)點之間的相關(guān)性,提出了新的基于多個信號的信號群信息處理技術(shù)——分布式壓縮感知(Distributed Compressed Sensing,DCS)理論,它通過利用信號的內(nèi)相關(guān)性與互相關(guān)性進(jìn)一步降低了信號的采樣率,減少網(wǎng)絡(luò)中傳輸?shù)男畔⒘?因此,分布式壓縮感知技術(shù)在無線傳感器網(wǎng)

3、絡(luò)中的應(yīng)用前景將十分廣闊。
　　本文首先詳細(xì)介紹了WSN的概念與應(yīng)用現(xiàn)狀,針對其網(wǎng)絡(luò)特性:能源有限、計算能力低等受限因素提出了基于CS的信息處理技術(shù),并對CS的基本構(gòu)架做了深刻的闡述與討論,特別是對于稀疏化信號表示、觀測矩陣構(gòu)造和信號重構(gòu)算法設(shè)計等重要技術(shù)一一進(jìn)行了論述與仿真分析。
　　其次,在CS理論的基礎(chǔ)之上,深入研究了由此發(fā)展而來的DCS理論,詳細(xì)介紹了DCS框架下的三種聯(lián)合稀疏模型(Joint Sparse Mode

4、l,JSM),并對JSM-2模型下的各種恢復(fù)算法進(jìn)行了分析與比較。
　　最后,針對無線傳感器網(wǎng)絡(luò),建立了基于 CS-OMP算法的獨立重構(gòu)模型和基于DCS-SOMP算法的聯(lián)合重構(gòu)模型,并結(jié)合WSN中的實際的感知數(shù)據(jù),將CS/DCS重構(gòu)算法分別應(yīng)用于感知信號群的處理中并進(jìn)行了仿真分析。仿真結(jié)果表明:在達(dá)到相同的重構(gòu)效果下,DCS的聯(lián)合重構(gòu)算法相比CS的獨立重構(gòu)算法,需要的觀測值數(shù)目更少,從而能更進(jìn)一步地降低傳感器網(wǎng)絡(luò)中的能源消耗。由此