基于压缩感知的大规模无线传感器网数据收集研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-15页 |
| 第一章 绪论 | 第15-25页 |
| ·选题背景及意义 | 第15-16页 |
| ·传统网内数据压缩技术 | 第16-21页 |
| ·分布式源模型 | 第16-18页 |
| ·分布式变换编码 | 第18-19页 |
| ·分布式源编码 | 第19-21页 |
| ·论文研究内容与主要成果 | 第21-23页 |
| ·论文结构安排 | 第23页 |
| ·本章小结 | 第23-25页 |
| 第二章 压缩感知理论在传感器网络数据收集中的应用 | 第25-39页 |
| ·压缩感知简介 | 第25-30页 |
| ·预备知识 | 第25-26页 |
| ·压缩采样 | 第26-28页 |
| ·感知矩阵的构建 | 第28-29页 |
| ·信号恢复 | 第29-30页 |
| ·基于压缩感知的大规模传感器网络数据收集 | 第30-37页 |
| ·稠密随机投影数据收集 | 第33-34页 |
| ·稀疏随机投影数据收集 | 第34-36页 |
| ·混合压缩感知数据收集 | 第36-37页 |
| ·本章小结 | 第37-39页 |
| 第三章 分布式时空可压缩数据收集 | 第39-55页 |
| ·引言 | 第39页 |
| ·分布式时空可压缩数据收集 | 第39-45页 |
| ·网络模型 | 第39-40页 |
| ·GreeOrbs数据分析 | 第40-41页 |
| ·时空感知数据划分模型 | 第41-43页 |
| ·随机投影数 | 第43-44页 |
| ·数据恢复 | 第44-45页 |
| ·分布式随机投影实现 | 第45-47页 |
| ·树形路由策略 | 第45-46页 |
| ·分簇路由策略 | 第46-47页 |
| ·实验结果 | 第47-54页 |
| ·投影矩阵的产生 | 第47-49页 |
| ·感知数据恢复质量评估 | 第49-51页 |
| ·能量消耗评估 | 第51-54页 |
| ·本章小结 | 第54-55页 |
| 第四章 基于稀疏投影的能量有效数据收集 | 第55-73页 |
| ·引言 | 第55-56页 |
| ·最优分簇路由 | 第56-57页 |
| ·稀疏随机投影数据收集 | 第57-59页 |
| ·系统模型和问题描述 | 第59-60页 |
| ·网络模型 | 第59页 |
| ·能量消耗模型 | 第59-60页 |
| ·问题描述 | 第60页 |
| ·最优簇数目 | 第60-65页 |
| ·最优簇头位置和最优簇头之间路由方式 | 第61-63页 |
| ·能量消耗分析 | 第63-65页 |
| ·动态分簇路由数据收集的实现 | 第65-67页 |
| ·实验结果 | 第67-70页 |
| ·分簇路由数据收集对比 | 第69-70页 |
| ·树形路由策略数据收集对比 | 第70页 |
| ·本章小结 | 第70-73页 |
| 第五章 最稀疏随机调度可压缩数据收集 | 第73-97页 |
| ·引言 | 第73页 |
| ·简介 | 第73-74页 |
| ·CitySee数据分析和问题描述 | 第74-79页 |
| ·CitySee感知数据和基于压缩感知数据收集 | 第75-77页 |
| ·最稀疏随机调度数据收集 | 第77-79页 |
| ·表示基设计 | 第79-86页 |
| ·Ψ_G是否满足稀疏性 | 第80-81页 |
| ·Φ_eΨ_G是否满足RIP性质 | 第81-86页 |
| ·算法实现与性能分析 | 第86-90页 |
| ·传输代价分析 | 第86-88页 |
| ·算法实现 | 第88-90页 |
| ·实验结果 | 第90-96页 |
| ·Ψ_G压缩性能评估 | 第91页 |
| ·CitySee感知数据恢复 | 第91-94页 |
| ·能量评估 | 第94-96页 |
| ·本章小结 | 第96-97页 |
| 第六章 总结和展望 | 第97-99页 |
| ·本文主要工作与总结 | 第97-98页 |
| ·下一步工作 | 第98-99页 |
| 参考文献 | 第99-105页 |
| 致谢 | 第105-107页 |
| 在读期间发表的学术论文与取得的研究成果 | 第107-109页 |
