内容简介

本书对压缩感知理论的两个核心问题——观测矩阵和重构算法进行了研究，并根据已有的研究和资料，对不同的观测矩阵和不同的重构算法进行了对比，就其性能的优劣和实现的难易程度做了综合分析，得出梯度追踪算法的重构效果较好，同时计算量较小，较为实用。介绍了基追踪算法的特性以及应用场合，研究了匹配追踪算法和Bregman迭代算法等其他的一系列算法，并将它们与基追踪算法进行了对照与比较，做出了适用于压缩感知的基追踪算法的程序。还针对具体的应用场景，研究了当前该领域的发展现状，提出了在基于压缩感知理论的基础上进行大量数据的融合研究，通过多传感器数据融合技术建立了结构模型和功能模型，并进行了数据的压缩和重构。采用压缩感知理论中联合稀疏模型的方法，实现了无线传感器网络底层节点处采集数据的压缩，并提出了基于块稀疏系数模型重构的压缩感知方法。

前言概述

随着科学技术的发展，传感器技术、微系统技术、无线通信等技术在生活中得到了更广泛的应用，多源传感器系统对应的应用领域正在不断地延伸，使得监测范围内的WSN拓扑结构变得越来越复杂，而且节点采集的数据量也变得越来越庞大。由于传感器节点受电池性能、处理能力、存储容量以及通信带宽等方面的限制，整个无线传感器网络在收集信息和能量消耗方面存在很多缺陷与不足，已成为无线传感器网络在可靠数据传输的最大挑战。本书针对上述问题，通过研究压缩和采样同步进行的压缩感知技术可以在很大程度上解决以上因素的限制，提高了信息的准确性和全面性，增加了系统的可靠性和实时性。

多传感器数据融合是一种多层次、多方面的处理过程，这个过程是对多源数据进行检测、互联、相关、估计和组合，并以更高的精度、较高的置信度得到目标的状态估计和身份识别以及完整的势态估计和威胁评估，为用户提供有用的决策信息。研究表明，对于一般的无线传感器网络，传感器节点的大部分能量都消耗在无线通信模块。对于大规模的传感器网络而言，如果感知数据直接通过传感器节点传送到汇聚节点（SINK），网络内部大量的数据传输使得其能量和带宽的要求提高，因此通过对数据进行压缩来减少存储和通信压力显得至关重要。

本书的研究内容包括以下三大部分：第2~3章主要研究无线传感器网络的体系结构以及数据管理技术，分别研究了数据管理的关键技术及数据管理系统，详细分析了DiswareDM的整体功能和系统结构设计；第4~7章主要研究压缩感知的优化算法，分别研究了基追踪算法、梯度追踪优化算法以及正交匹配追踪算法，得出不同种类的追踪算法的优缺点，根据结果对重构算法进行择优选择；第8章主要研究数据的压缩及融合，研究了多源传感器的数据融合并建立了结构模型和功能模型，提出了基于块稀疏系数模型重构的压缩感知方法，通过仿真表明压缩率可达80%，进一步提出了集中式的压缩感知算法，仿真结果表明温度、湿度两个变量在正常的范围内波动，巷道的舒适度始终处于舒适状态。本书可作为数据感知优化技术设计提高技术支持和设计参考，也可以作为相关领域本科生、研究生和工程技术人员的教材和参考书，使读者了解数据感知优化技术及其应用。

全书是由江西理工大学无线传感器网络实验室人员编写，由樊宽刚统筹规划并作最后整理，王文帅、刘平川和候浩楠参与了第1章和第9章的编写；陈仁义和刘汉森参与了第2~3章的编写；张小根、徐文堂和肖晶晶参与了第4~7章的编写；王渠和邱海云参与了第8章的编写。此外，也感谢其他人员对本书的大力支持。

本书获得江西理工大学资助出版，同时也得到国家自然科学基金（编号：6176301）和江西省教育厅重点课题（编号：GJJ170493）的资助，在此表示衷心的感谢！

由于编者水平有限，加之数据感知优化技术的发展十分迅速，很多方面跟不上形势的发展，不当之处与错误在所难免。恳请读者不吝赐教，对本书提出宝贵意见。

作者简介

樊宽刚，男，1980年生，江西理工大学副教授，硕士生导师，国家自然科学基金网评专家，主持及参与国家、省部级、校级及横向课题18项，发表相关论文24篇，其中SCI、EI、ISTP检索论文17篇，实用新型专利获批5项，申报发明专利14项，已获批3项，确权软件注册权14项，出版专著2部。

目录

1 绪论
1．1 基本知识介绍
1．1．1 无线传感器网络基本知识
1．1．2 压缩感知基本知识
1．2 国内外研究现状
1．2．1 无线传感器网络的研究现状
1．2．2 压缩感知的研究现状
1．2．3 数据融合技术的研究现状
1．3 压缩感知在无线传感器网络中的应用
参考文献

2 无线传感器网络体系结构
2．1 无线传感器网络的基本概念及结构
2．1．1 无线传感器网络的概念
2．1．2 无线传感器网络的结构
2．1．3 无线传感器网络节点的体系结构
2．1．4 无线传感器网络的生成过程
2．2 无线传感器网络的特点
2．3 无线传感器网络的关键技术
2．4 无线传感器网络的应用
参考文献

3 无线传感器网络数据管理技术
3．1 无线传感器网络数据管理的基本概念
3．1．1 以数据为中心的无线传感器网络数据库
3．1．2 无线传感器网络数据管理系统的特殊性及设计目标
3．1．3 无线传感器网络数据管理技术的研究热点
3．2 无线传感器网络数据管理的关键技术
3．2．1 无线传感器网络数据存储结构
3．2．2 数据查询处理技术
3．2．3 数据压缩技术
3．2．4 数据融合技术
3．3 几种常见的数据管理系统
3．3．1 TinyDB系统
3．3．2 Cougar系统
3．3．3 现有无线传感器网络数据管理系统分析
3．4 无线传感器网络数据管理系统Dis WareDM
3．4．1 基于移动Agent中间件的传感器网络数据管理概述
3．4．2 DisWareDM整体功能和系统结构设计
3．4．3 DisWareDM系统的详细设计
3．4．4 DisWareDM的系统功能
参考文献

4 压缩感知理论基本原理
4．1 概述
4．2 压缩感知的工作原理
4．3 信号的稀疏表示
4．4 观测矩阵的设计
4．5 压缩感知的实际应用
4．5．1 压缩成像
4．5．2 信道编码
4．5．3 天文观测
4．6 压缩感知的基本算法
4．6．1 观测矩阵的基础知识
4．6．2 重构算法的基础知识
参考文献
附件

5 基追踪算法
5．1 基追踪算法的研究现状
5．2 基追踪算法的基础知识
5．2．1 预备知识
5．2．2 基追踪的使用
5．2．3 基追踪算法的运算
5．2．4 改进的基追踪算法
5．3 匹配追踪算法的基础知识
5．3．1 信号的稀疏表示
5．3．2 匹配追踪算法的运算
5．4 Bregman迭代算法的基础知识
5．4．1 Bregman距离
5．4．2 Bregman迭代算法的运算
5．5 几种算法的对比
5．6 基追踪算法仿真
5．6．1 用于压缩感知的基追踪算法程序
5．6．2 正交匹配追踪算法程序
5．6．3 基追踪与压缩感知的仿真
5．6．4 匹配追踪与压缩感知的仿真
5．6．5 基追踪和匹配追踪的对比
5．6．6 基追踪在压缩感知上的实际应用
参考文献
附件

6 梯度追踪优化算法研究
6．1 概述
6．2 不同种类的梯度追踪算法总结
6．2．1 基于最速下降法的梯度追踪算法
6．2．2 基于牛顿法的梯度追踪算法
6．2．3 基于共轭梯度法的梯度追踪算法
6．3 梯度追踪算法仿真及结果分析
6．3．1 梯度追踪算法实验仿真
6．3．2 仿真结果分析
参考文献