-
在无线传感器网络中，一个重要的工作就是数据采集，重要研究的是对网络中数据的采集、处理、存贮、传输等问题。他可以通过一些智能的仪器，将外部环境的温度、流量、压力等转化为数字信号，汇聚到计算机然后进行处理、显示等。25863
- 上一篇：北斗卫星导航系统发展历程及研究现状
- 下一篇：图像搜索引擎国内外研究现状
数据采集系统涉及到硬件和软件两大类，硬件主要包括传感器、采样电路、放大电路、模数转换电路、输出设备和控制器，这些可以根据实际的情况进行调整。数据采集中的网络技术有以太网技术、现场总线技术、Zigbee技术、蓝牙技术等[7]。
压缩感知理论最初是由D.Donoho、R.Baraniuk等人提出来的，现有的研究成果也大多产生于欧美地区，研究的重点主要是优化还原算法和研究测量矩阵[8]。目前，很多的学者都在尝试着进行数据压缩要减少传输的数据量，以达到节能的目的。论文网
在文献[10]中，作者对数据收集和压缩的问题进行了广泛的研究，分布式源编码技术（DSC）[11]是一个非常有名的技术，用来压缩有着不同来源的信息。DSC中最有名的模块是Slepian–Wolf定理，进行相关数据流的无损压缩。Slepian–Wolf定理指出，如果数据流是相关联的，那么它们可以被单独编码，也可以用一个小出错概率的解码器联合解码。对于相关的数据流在物理空间上是分散的系统来说，Slepian–Wolf编码技术非常有用，例如一个无线传感器网络系统中，两个距离比较近的发射器感应到了相似的值，产生了相关联的输出。尽管这个定理有着应用的潜力，但它还没有被实际应用到无线传感器网络的数据采集中去。
压缩感知正逐渐成为在大型网络中进行分布式数据压缩的有效工具，文献[15]对压缩感知算法和Slepian–Wolf定理进行了研究，文献中作者介绍了CS（DCS）算法，提出了新的分布式编码算法。不同于我们的方法，他们的重点在于对信号编码的速度的测定，忽略路由找路和能源的消耗。
文献[16]也对CS的性能进行了研究，文献中作者试图利用稀疏随机投影来降低通信的能耗，其中一个稀疏随机矩阵被用来进行数据压缩。在本文提出的方案中，我们可以根据预期量来选择传感器的数量。这种方法不需要全球协调，所以本文所使用的网络配置是相当典型得，因为它并没有一个中央协调或网关。此外，所描述的分布式算法没有考虑到节点之间的数据交换的能量消耗。
文献[18]中，对无线传感器网络的一个更加常见的网络结构进行了研究，路由的问题是通过CS解决的。本文中，随机稀疏矩阵是在向汇聚节点路由选择的过程中动态构建的，利用不同的转换对模拟和真实数据集进行分析，得出一个结论，测量矩阵的这种动态结构不会sparsify数据。文献[22]同时对路由选择和CS进行了研究，其中路由路径是通过反复选择建成的，目的是最小化目的矩阵和测量矩阵的一致性。上面的来两个文献只是利用了提出来的技术来实现重建质量，而忽略了网络寿命和方案的能耗。
DISCUS[28]是一个建设性的算法框架，它运用的是编码理论的纠错码，它可以在没有节点间的通信的情况下实现编码压缩。DSC算法的主要局限性在于，解码器必须知道在网络背后的全局相关的结构[8]，然而在大型的无线传感器网络中，这个一般是未知的。在本文中，为了尽可能的体现通用性，也认为这种关联是未知的[9]。
最近的一个文献[30]中，作者尝试着运用改进了的测量矩阵来降低网络中的数据传输量，允许减少大型无线传感器网络中叶子节点的数据传输量。我们的方法和参考文献所提出来的技术之间有着显著的差异，本文更侧重于不同规模的网络的能耗，而不是重建质量。此外，我们的算法中，是使用CS进行压缩还是直接进行数据传输取决于节点本身，目的是降低能耗。在参考文献中，节点无法自己做决定，因为测量矩阵是定义好的，而且网络中的每个节点都事先知道这个矩阵，同样的原因，我们的算法不是针对特定的网络拓扑结构，而文献[30]中的网络结构是和测量矩阵严格相关的。