煤礦物聯網需要部署大量的無線傳感器,但是傳感器數量的增加會導致網絡數據量劇增,傳輸可靠性下降;同時礦用無線傳感器節點還面臨著能量受限等問題。研究表明只要降低傳感器輸出到網絡的數據量,就可有效解決以上問題,因此高效可靠的壓縮編解碼方法成了煤礦物聯網技術的研究熱點。新興的分布式壓縮感知可以用更低采樣率來實現信號的壓縮編碼,有效降低網絡傳輸數據量,特別適用于煤礦物聯網場景。本文以典型的過程類監控信源——煤礦微震信號為例,分析其空間相關性和稀疏性,比較壓縮感知和分布式壓縮感知恢復效果。實驗結果表明,由于同時利用了信號內相關性和信號間相關性,分布式壓縮感知在煤礦微震信號的編解碼中有較好的壓縮和恢復性能。針對隨機觀測矩陣編碼復雜度高、難于硬件實現的問題,研究了一種基于低密度奇偶校驗碼(LDPC)校驗矩陣的稀疏觀測矩陣——類LDPC觀測矩陣。分析了類LDPC矩陣行重對微震信號測量精度的影響,構建了適用于微震信號的類LDPC觀測矩陣,實驗表明當采樣率達到0.35時,類LDPC觀測矩陣(行重為20)已經有較好的恢復效果,恢復誤差小于0.1,恢復成功率為97%。針對貪婪類解碼算法恢復精度有限的問題,結合蝙蝠算法和正交匹配追蹤算法,提出了一種基于蝙蝠優化的解碼算法(CS_BA);并將算法擴展到分布式壓縮感知聯合解碼中,進一步提出基于蝙蝠優化的聯合解碼算法(DCS_BA)。實驗表明,與傳統的貪婪迭代算法相比,本算法在小信道噪聲的情況下有更好的恢復能力。對于煤礦微震信號,DCS_BA算法的平均恢復誤差比CS_BA算法低0.1。但是CS_BA算法和DCS_BA算法的抗噪聲性能較差,在大噪聲的情況下算法恢復精度下降明顯。針對貪婪追蹤算法抗噪聲性能較差的問題,提出了一種基于分層置信傳播的解碼算法(CS_LBP);并將算法擴展到分布式壓縮感知中,進一步提出基于分層置信傳播的聯合解碼算法(DCS_LBP)。實驗表明,本算法在有較大信道噪聲的情況下有良好的恢復性能,且DCS_LBP算法在采樣率低至0.2時,運用邊信息依然可以較好的恢復微震信號。
【學位單位】：中國礦業大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：TD76
【文章目錄】：
致謝
摘要
abstract
變量注釋表
1 緒論
    1.1 研究背景與意義
    1.2 分布式壓縮感知研究現狀
    1.3 論文的研究內容和創新點
    1.4 論文組織結構
2 信號分析理論基礎
    2.1 壓縮感知
    2.2 分布式壓縮感知
    2.3 煤礦微震信號空間相關性分析
    2.4 煤礦微震信號稀疏性分分析
    2.5 煤礦微震信號編解碼實驗
    2.6 本章小結
3 基于類LDPC觀測矩陣的壓縮編碼
    3.1 常用的測量矩陣
    3.2 LDPC碼的基本概念
    3.3 類LDPC觀測矩陣
    3.4 實驗結果與分析
    3.5 本章小結
4 基于蝙蝠優化的解碼算法
    4.1 蝙蝠算法
    4.2 基于蝙蝠優化的壓縮感知解碼算法
    4.3 基于蝙蝠優化的分布式壓縮感知聯合解碼算法
    4.4 實驗結果與分析
    4.5 微震信號中的應用
    4.6 本章小結
5 基于分層置信傳播的解碼算法
    5.1 分層置信傳播算法的基本概念
    5.2 基于分層置信傳播的壓縮感知解碼算法
    5.3 基于分層置信傳播的分布式壓縮感知聯合解碼算法
    5.4 實驗結果與分析
    5.5 微震信號中的應用
    5.6 本章小結
6 結論與展望
    6.1 結論
    6.2 展望
參考文獻
作者簡歷
學位論文數據集

【相似文獻】

相關期刊論文 前10條

1 李周;崔琛;;壓縮感知中觀測矩陣的優化算法[J];信號處理;2018年02期

2 鄢鵬程;;一種基于閾值迭代和自適應觀測矩陣的壓縮感知圖像處理[J];信息與電腦(理論版);2013年03期

3 趙玉娟;鄭寶玉;陳守寧;;壓縮感知自適應觀測矩陣設計[J];信號處理;2012年12期

4 李周;崔琛;;基于奇異值分解的壓縮感知觀測矩陣優化算法[J];計算機應用;2018年02期

5 楊春玲;李林蓀;;基于像素相關的圖像/視頻壓縮感知觀測矩陣[J];華南理工大學學報(自然科學版);2017年12期

6 王軍華;黃知濤;周一宇;王豐華;;壓縮感知理論中的廣義不相關性準則[J];信號處理;2012年05期

7 張擇書;郭永飛;;一種基于壓縮感知的衛星圖像觀測矩陣優化[J];長春理工大學學報(自然科學版);2018年04期

8 王金銘;葉時平;徐振宇;蔣燕君;;低存儲化壓縮感知[J];中國圖象圖形學報;2016年07期

9 肖小潮;鄭寶玉;王臣昊;;基于最優觀測矩陣的壓縮信道感知[J];信號處理;2012年01期

10 胡強;林云;;基于觀測矩陣優化的自適應壓縮感知算法[J];計算機應用;2017年12期

相關博士學位論文 前10條

1 陶宇;壓縮感知雷達觀測矩陣設計研究[D];南京航空航天大學;2017年

2 孫晶明;壓縮感知中觀測矩陣的研究[D];華中科技大學;2013年

3 黃天耀;基于稀疏反演的相參捷變頻雷達信號處理[D];清華大學;2014年

4 徐永剛;礦山數據壓縮采集與重建方法研究[D];中國礦業大學;2013年

5 姚世紅;壓縮感知若干關鍵問題研究[D];武漢大學;2015年

6 張京超;稀疏多頻帶信號壓縮采樣方法研究[D];哈爾濱工業大學;2014年

7 丁麗;MIMO雷達稀疏成像的失配問題研究[D];中國科學技術大學;2014年

8 葉蕾;語音信號壓縮感知關鍵技術研究[D];南京郵電大學;2014年

9 季云云;壓縮感知觀測矩陣與脈沖噪聲環境下重構算法研究[D];南京郵電大學;2014年

10 蔡卓燃;基于機器學習與壓縮感知的認知無線電頻譜感知方法研究[D];哈爾濱工業大學;2013年

相關碩士學位論文 前10條

1 密雅琪;P張量壓縮感知圖像處理技術研究與實現[D];北京郵電大學;2019年

2 包婉寧;分布式過程監控信源壓縮編碼應用與研究[D];中國礦業大學;2019年

3 楊朝煜;壓縮感知稀疏表示和觀測矩陣的研究[D];華南理工大學;2018年

4 黃韜;基于稀疏觀測矩陣的壓縮感知系統設計及軟件實現[D];天津大學;2017年

5 劉志剛;非理想模型下穩健的壓縮感知方法研究[D];西安電子科技大學;2018年

6 張春妹;壓縮感知觀測矩陣及重構算法的智能優化策略設計[D];太原科技大學;2018年

7 陳翠;壓縮感知在通信抗干擾中的應用研究[D];電子科技大學;2018年

8 李林蓀;圖像/視頻壓縮感知中基于像素相關性的觀測矩陣和重構算法研究[D];華南理工大學;2018年

9 楊保杰;基于DAE的腦網絡狀態觀測矩陣降維方法研究[D];昆明理工大學;2017年

10 董迎朝;基于t-SNE算法的腦網絡狀態觀測矩陣降維及可視化平臺研究[D];昆明理工大學;2017年

本文編號：2893211