基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
在基于分布式压缩感知(distributed compressive sensing,DCS)的无线传感器网络中,重构算法及其改进成为了研究的关键问题,候选集原子最优选取对于信号重构性能至关重要.本文介绍了压缩感知(compressed sensing,CS)理论、正交匹配追踪算法(orthogonal matching pursuit,OMP)和前向预测正交匹配追踪(look ahead orthogonal matching pursuit,LAOMP)算法,针对LAOMP算法的前向参数L只能设定为某一固定值,且所选取原子未必是最佳的,同时也存在计算复杂度高的问题,本文提出了一种自适应前向预测正交匹配追踪(adaptive look ahead orthogonal matching pursuit,ALAOMP)算法.该算法通过预测原子对最终残差的影响,最佳地选取候选集原子,同时自适应地最优选择每次迭代中前向参数L的个数.实验结果表明:ALAMOP算法在兼顾降低计算复杂度及最佳选择原子是实用有效的,算法的信号重构和支撑集重构性能均优于LAOMP算法.
推荐文章
无线传感器网络自适应链路层FEC控制策略
无线传感器网络
Kalman滤波
自适应链路层前向纠错
能量分析
适合无线传感器网络的自适应动态电压调节算法
无线传感器网络
动态电压调节算法
自适应
能量有效性
无线传感器网络环境自适应定位算法研究
无线传感器网络
定位算法
最小二乘法
信号衰减
自适应
流量自适应的无线传感器网络簇内通信算法
无线传感器网络
簇内通信
流量自适应
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 无线传感器网络的自适应预测算法
来源期刊 厦门大学学报(自然科学版) 学科 工学
关键词 无线传感器网络 压缩感知 自适应 前向预测 正交匹配 追踪算法
年,卷(期) 2015,(4) 所属期刊栏目
研究方向 页码范围 523-527
页数 5页 分类号 TN911
字数 3775字 语种 中文
DOI 10.6043/j.issn.0438-0479.2015.04.015
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 张源峰 厦门大学水声通信与海洋信息技术教育部重点实验室 26 113 6.0 9.0
3 孙海信 厦门大学水声通信与海洋信息技术教育部重点实验室 21 95 4.0 9.0
4 颜佳泉 厦门大学水声通信与海洋信息技术教育部重点实验室 3 7 2.0 2.0
5 蒯小燕 厦门大学水声通信与海洋信息技术教育部重点实验室 3 13 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (3)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (1)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
无线传感器网络
压缩感知
自适应
前向预测
正交匹配
追踪算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
厦门大学学报(自然科学版)
双月刊
0438-0479
35-1070/N
大16开
福建省厦门市厦门大学囊萤楼218-221室
34-8
1931
chi
出版文献量(篇)
4740
总下载数(次)
7
总被引数(次)
51714
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
福建省自然科学基金
英文译名:Natural Science Foundation of Fujian Province of China
官方网址:http://www.fjinfo.gov.cn/fz/zrjj.htm
项目类型:重大项目
学科类型:
高等学校博士学科点专项科研基金
英文译名:
官方网址:http://std.nankai.edu.cn/kyjh-bsd/1.htm
项目类型:面上课题
学科类型:
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导