双层压缩聚合：从不完整传感数据中恢复物理量场
网络与互联网体系结构
2011-08-02 v3
摘要
尽管无线传感器网络（WSNs）在监测物理事件方面功能强大，但当所监测的物理事件覆盖广阔区域时，从WSN收集的数据几乎总是不完整的。造成这种不完整性的原因有两个方面：i) 网络覆盖不足，以及 ii) 为节能而进行的数据聚合。现有的恢复方案仅处理第二个方面，而我们开发了双层压缩聚合（DECA）作为一个新颖的框架来同时解决这两个方面。具体而言，DECA允许在WSN仅稀疏覆盖事件区域且应用了网内数据聚合以减少流量的情况下，对广域事件进行高保真度恢复。利用真实世界事件的低秩特性和传感数据的冗余性，DECA将矩阵补全与精细调校的压缩感知技术相结合，以进行双层重建过程。我们证明，DECA能够以相对于事件维度不到5%的收集数据量恢复广域事件。基于合成数据集和真实数据集的性能评估证实了我们DECA框架的恢复保真度和能量效率。
引用
@article{arxiv.1107.4873,
title = {Dual-Level Compressed Aggregation: Recovering Fields of Physical Quantities from Incomplete Sensory Data},
author = {Liu Xiang and Jun Luo and Chenwei Deng and Athanasios V. Vasilakos and Weisi Lin},
journal= {arXiv preprint arXiv:1107.4873},
year = {2011}
}