无线传感器网络中能量平衡的压缩数据收集

压缩感测(CS)可以使用较少的样本来恢复大量原始数据,这些原始数据在适当的基础上具有稀疏的表示形式。 对于能量受限的无线传感器网络(WSN),CS提供了一种有效的数据收集方法。 高斯随机矩阵极有可能满足受限等距特性(RIP)。 通常选择矩阵类别作为WSN中压缩数据收集的测量矩阵。 但是,它们很密集,并且计算复杂度更高。 另一方面,每列中具有固定数量的非零条目的稀疏二进制矩阵满足RIP-1属性。 由于稀疏度较高,本文选择稀疏二进制矩阵作为度量矩阵。 为了适应网络拓扑的动态变化,我们设计了一种基于移动代理的压缩数据收集算法(MA-Greedy算法),其中每个传感器节点在M次测量中被统一访问。 提出了变异系数(CV)来评估能量消耗的平衡。 数值实验表明,该算法在能量平衡方面优于其他算法(即非CS,纯CS,混合CS和分布式压缩稀疏采样(DCSS))。 此外,我们发现,在将基本追踪(BP)算法用于信号恢复时,提出的MA-Greedy算法中使用的稀疏二进制矩阵重建稀疏零一信号的性能要优于高斯随机矩阵。