基于压缩感知技术的传感器网络数据丢失和恢复的研究

来源 :上海交通大学 | 被引量 : 0次 | 上传用户:jfguo2008
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
许多自然科学研究都需要对环境数据进行分析,这些环境数据通常是通过部署在研究区域(室内、森林和海洋等)的无线传感器网络来收集的。在其中,数据集的完整性和准确性都是基本要求,决定着科研结果的可靠性。而在数据收集的过程中,数据丢失现象普遍存在,这就需要对丢失了的数据进行重构来获得完整的环境数据。在数据采集过程中,对丢失数据的重构是一项基本操作。有许多工作研究了各种应用场景下的数据丢失和重构问题,并提出了有针对性的数据恢复算法。但是,通过无线传感器网络采集到的数据,由于无线信道的不稳定性、多跳拓扑结构的干扰、数据爆发的拥塞、节点失效等影响,存在着特殊性。首先,其数据存在在其它应用场景下十分罕见的大规模丢失现象。再者,无线传感器网络数据集有着特殊的丢失模式,不能简单的被看成均匀的随机丢失。这些特殊性造成了为其它应用场景所设计的数据采集和恢复方案,在无线传感器网络场景下表现不佳。具体到数据重构问题,表现为恢复准确度低。针对这一问题,我们基于对实际数据集的分析,提出了一个新的基于压缩感知的数据恢复算法ESTI-CS。具体而言,我们开展了以下工作。首先,我们对Intel室内项目、绿野千传项目和海洋监测项目进行了数据挖掘,总结了无线传感器网络场景下的数据丢失模式,即随机丢失、块随机丢失、高频行元素丢失和连续行元素丢失。并进一步发掘出了这些数据集的共性特征,即低秩特征、时间相关性特征、空间相关性特征和多变量相关特征。其次,我们提出了改进了的时空压缩感知算法(environmental space timeimproved compressive sensing,ESTI-CS)。该算法基于对高冗余数据十分有效的压缩感知算法,并利用了我们通过观察获取到的无线传感器网络特有的数据特征来恢复丢失数据。更进一步,针对同一传感器网络通常可以收集到多个变量的应用现状,我们在ESTI-CS的基础上进行改进,设计了多变量ESTI-CS算法,专门针对多变量强数据相关性的场景。最后,通过实际数据驱动的验证,ESTI-CS和多变量ESTI-CS算法的表现优于现有的典型插值算法。无论数据集是均匀随机丢失亦或是符合传感器网络的丢失,我们的算法都具有优于其它算法的适应性。
其他文献
随着计算机技术的高速发展,互联网已然与人们的生活紧紧结合在一起,成为人们分享信息的重要途径。然而,大量不良网页的出现使得网络安全的形势日趋严峻,成为人们关注的热点。
随着计算机网络的发展,网络安全问题越来越严重,入侵检测作为网络安全防御体系的重要组成部分受到人们的关注。当前入侵检测系统存在严重的漏报和误报,检测方法单一等不足。
现有的IP网络存在着用户数据传输平台层次结构复杂、传输效率低下和服务质量较难得到保障的缺点,难以适应高速综合业务数字网络传输服务的需要。虽然在IP网络上提出了QoS保障
随着数字图像采集技术和处理技术的飞速发展,图像已成为人们获取信息的重要途径,应用图像的相关信息对产品的几何信息做出相关评定也就成了图像处理的重要内容。图像测量技术
随着信息技术的发展,人们从科学实践和社会生产中获取的三维体数据越来越多,对体数据的可视化的需求也日益增长,直观高效的体数据可视化方法成为当前研究的热点。增强结果图
沙漠、森林、峡谷等大规模监测场景下,无线传感器网络中采集节点往往采用电池供电,当电池电量耗尽后,如果不更换电池或充电,节点就会失效,因此,能耗成为决定系统寿命最重要的
随着云计算的发展,越来越多的服务商更愿意将自己的服务部署到商业云平台上面从而减少自己维护硬件的成本,但是将所有的数据上传到云端是存在风险的。所以存储在云平台上的数据
随着人们对地理空间信息的需求与日俱增,传统万维网地理信息系统(WebGIS)凸显出了其局限性。一方面,地理空间信息的共享受到限制。开放的互联网环境,大量的数据资源要求实现
金融预测预警,是对宏观金融运行情况进行总体的、综合的、全面的、系统的分析与判断,是对表征宏观金融运行现状的一系列指标进行的监督和量测。Web Services是近几年提出的一
Web服务为互联网应用提供了一种共享数据和功能的有效手段,较好地解决了异构应用之间及松散耦合环境下的互操作、集成和协作的问题。但是由于单个Web服务功能单一,需要把Web