基于路由拓扑层析的多跳大规模无线传感器网络中的压缩感知
网络与互联网体系结构
2017-09-11 v2
摘要
从用于环境监测的多跳大规模室外无线传感器网络（WSN）部署中采集数据充满挑战。这是因为小型电池供电的 mote（如带宽、内存、功耗和计算能力）上的严重资源限制、来自大规模 WSN 的大数据采集量，以及室外通信环境中高度动态的无线链路条件。我们提出了一种新颖的压缩感知方法，其在仅收集极少数据包时就能在高保真度下在汇聚节点恢复感知数据，从而显著减少网络传输并因此延长 WSN 寿命。与动态 WSN 路由拓扑相互作用，所提方法高效且易于在资源受限的 mote 上实现，而无需 mote 存储随机投影矩阵的任何部分，这与其它现有的基于压缩感知的方案相反。我们提出了一种通过机器学习的系统方法，针对任何给定的 WSN 部署和数据场，找到合适的表示基，该基在用于数据采集的压缩感知中既稀疏又与随机投影矩阵不相干。我们使用真实的多跳 WSN 测试床部署就地验证我们的方法并评估其性能。结果表明，我们的方法显著优于现有的压缩感知方法，将整个 WSN 观测场的数据恢复误差降低一个数量级，同时大幅降低无线通信成本。
引用
@article{arxiv.1709.00604,
title = {Compressed Sensing in Multi-Hop Large-Scale Wireless Sensor Networks Based on Routing Topology Tomography},
author = {Yimei Li and Yao Liang},
journal= {arXiv preprint arXiv:1709.00604},
year = {2017}
}