基于压缩感知的WSN数据压缩与重构

• 作者: 李继楼 柯家龙
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 无线传感网络 压缩感知 贝叶斯模型 信号重构
• 年，卷（期）: 2015,（9）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 111-114
• 页数: 4页
• 分类号: TP301
• 字数: 3219字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2015.09.024

摘要

在无线传感器网络( WSN)中，传统的处理方式是采用奈奎斯特技术对信号进行采样并重构，而随着信号频率的增加，应用奈奎斯特技术会使成本急剧增加，这是人们所不乐见的。针对这一问题，近年来出现一种新的技术即压缩感知技术，它能利用更少的数据和合适的重构方法得到更精确的原始信号。将稀疏贝叶斯学习( SBL)和压缩感知联合起来，形成了一种在噪声的情况下更好重建可压缩信号的方法，并进一步将这种方法应用在WSN中，可以在误差允许的范围内有效控制测量数据的维数，所以在保证了一定的误差的同时还减少了成本，提高了算法的效率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	柯家龙	南京邮电大学通信与信息工程学院	2	7	2.0	2.0
2	李继楼	南京邮电大学通信与信息工程学院	2	7	2.0	2.0