[发明专利]基于压缩感知的分布式无线传感器网络节点信号采样方法

摘要

本发明涉及一种用分布式压缩感知技术同时采集多个语音信号的方法，该方法可满足农业物联网中多个传感器采集节点低成本硬件和传输高速率的要求，同时节约了多个传感器通信过程中的功耗，使传感器协同工作防止某些节点过快消耗能量而导致整个网络结构的破坏。用分布式压缩感知理论对多个语音信号建立基于JSM-1模型的联合稀疏模型，在编码端同时对多个感知数据进行压缩，在解码端利用DCS理论联合重构算法对信号进行精确恢复，完成完整的信号的采集过程。

主权项

一种基于压缩感知的分布式无线传感器网络节点信号采样方法,该方法同时对多个语音信号进行采样、传输和重建，其特征在于，该方法包括如下步骤： 步骤一：通过多个传感器同时采集信号，对采集到的多个信号建立JSM‑1联合稀疏模型，以表示信号之间和信号本身的相关性，其中每个信号Xj都包含两部分，即所有信号都具有的共同稀疏部分ZC和每个信号独自包含的特有稀疏部分Zj，即： Xj=ZC+Zj,j∈{1,2…J}， 并且信号的共同稀疏部分ZC和特有稀疏部分Zj都可以在某个稀疏基上进行稀疏表达，即： ZC=ΨθC,||θc||0=KC以及 Zj=Ψθj,||θj||0=Kj其中，信号ZC是所有的信号Xj的共同稀疏部分，并且在稀疏基Ψ上的稀疏度为KC，θC为共同稀疏部分ZC在稀疏基Ψ下稀疏表示的系数，信号Zj则是每个信号Xj的特有稀疏部分，并且在同一个稀疏基上的稀疏度为Kj，θj为特有稀疏部分Zj在稀疏基Ψ下稀疏表示的系数。 步骤一：针对所建立的联合稀疏模型选择与稀疏基满足约束等价（RIP）条件和不相关特性的观测矩阵，把信号线性投影为低维的观测向量，所述观测矩阵通过对原始信号进行降维投影，从而实现数据的压缩，观测矩阵和稀疏基的不相关度，是衡量两者不相关特性的重要指标，其值越小表示两者的不相关性越高，所设计的压缩采样价值越大。 步骤三：采用联合重建算法对信号进行重建，所述算法为同步正交匹配追踪（SOMP，Simultaneous Orthogonal Matching Pursuit）算法，以从低维观测向量去重构原始高维信号。