基于二次规划的无线传感器网络数据恢复算法

doi:10.3724/SP.J.1087.2013.00935

计算机应用 ›› 2013, Vol. 33 ›› Issue (04): 935-938.DOI: 10.3724/SP.J.1087.2013.00935

基于二次规划的无线传感器网络数据恢复算法

吴桂峰¹,王轩²

1. 扬州大学能源与动力工程学院，江苏扬州 225127
2. 扬州北辰电气设备有限公司，江苏扬州 225127

收稿日期:2012-10-10 修回日期:2012-11-26 出版日期:2013-04-01 发布日期:2013-04-23
通讯作者: 吴桂峰
作者简介:吴桂峰(1969-)，男，江苏海安人，讲师，硕士，主要研究方向：测控技术、电力系统自动化；王轩(1974-)，男，江苏扬州人，高级工程师，主要研究方向：配电网自动化。
基金资助:
江苏省科技支撑计划项目(BE2011133)

Wireless sensor networks data recovery algorithm based on quadratic programming

WU Guifeng¹,YU Xuan²

1. College of Energy and Power Engineering, Yangzhou University, Yangzhou Jiangsu 225127, China
2. Yangzhou Beichen Electrical Equipment Company Limited, Yangzhou Jiangsu 225127, China

Received:2012-10-10 Revised:2012-11-26 Online:2013-04-01 Published:2013-04-23
Contact: WU Guifeng

摘要/Abstract

摘要： 为提高无线传感器网络数据压缩感知中恢复算法的实时性，提出一种基于二次规划的无线传感器网络数据恢复算法。该算法将压缩感知重构中的欠定线性方程组求解转化为有界约束二次规划问题，在此基础上结合阿米霍步长准则对二次规划进行求解，从而对网络数据进行恢复。理论分析和仿真结果表明，所提算法可准确恢复网络数据，并且相比传统压缩感知恢复算法，可明显降低数据恢复的计算复杂度，有效提高网络数据恢复算法的实时性。

关键词: 无线传感器网络, 压缩感知, 二次规划, 数据恢复, 实时性

Abstract: For improving the real-time performance of recovery algorithm in Compressed Sensing (CS) of Wireless Sensor Networks (WSN) data, a quadratic programming based network data recovery algorithm was proposed in this paper. The CS recovery was transformed to bound-constrained quadratic programming, and then the network data was recovered by solving the quadratic programming problem based on the Armijo rule. The analysis and experimental results demonstrate that the proposed algorithm can significantly reduce the complexity and ensure the accuracy of recovery, thus improving the real-time performance of data recovery in WSN.

Key words: Wireless Sensor Network (WSN), Compressed Sensing (CS), quadratic programming, data recovery, real-time performance

中图分类号:

TP393

吴桂峰王轩. 基于二次规划的无线传感器网络数据恢复算法[J]. 计算机应用, 2013, 33(04): 935-938.

WU Guifeng YU Xuan. Wireless sensor networks data recovery algorithm based on quadratic programming[J]. Journal of Computer Applications, 2013, 33(04): 935-938.

参考文献

［1］AKYILDIZ I F, SU W, SANKARASUBRAMANIAM Y. A survey on sensor networks ［J］. IEEE Communications Magazine, 2002, 40(8):102-114.

［2］李建中, 李金宝, 石胜飞. 传感器网络及其数据管理的概念、问题与进展［J］. 软件学报, 2003, 14(10): 1717-1727.

［3］DONOHO D. Compressed sensing ［J］. IEEE Transactions on Information Theory, 2006, 52(4): 1289-1306.

［4］CANDES E, ROMBERG J, TAO T. Robust uncertainty principles: Exact signal reconstruction from highly incomplete frequency information ［J］. IEEE Transactions on Information Theory, 2006, 52(4): 489-509.

［5］焦李成, 杨淑媛刘芳，等. 压缩感知回顾与展望［J］. 电子学报, 2011, 20 (7): 1651-1662.

［6］石光明, 刘丹华, 高大化, 等. 压缩感知理论及其研究进展［J］. 电子学报，2009, 37(5): 1070-1081.

［7］CHEN S, DONOHO D, SAUNDERS M. Atomic decomposition by basis pursuit ［J］. SIAM Journal on Scientific Computing, 1999, 20(1): 33-61.

［8］KIM S, KOH K, LUSTIG M, et al. An interior-point method for large-scale 11 regularized least squares ［J］. IEEE Journal of Selected Topics in Signal Processing, 2007, 1(4): 606-617.

［9］TROPP J, GILLBERT A. Signal recovery from random measurements via orthogonal matching pursuit ［J］. IEEE Transactions on Information Theory, 2007, 53(12): 4655-4666.

［10］DONOHO D, TSAIG Y, JEAN-LUC S. Sparse solution of underdetermined linear equations by stagewise orthogonal matching pursuit ［R］. Stanford, California, USA: Stanford University, Department of Statistics, 2006.

［11］DAI W, MILENKOVIC O. Subspace pursuit for compressive sensing: Closing the gap between performance and complexity ［J］. IEEE Transactions on Information Theory, 2009, 55(5): 2230-2249.

［12］NEEDELL D, TROPP J. CoSaMP: Iterative signal recovery from incomplete and inaccurate samples ［J］. Applied and Computational Harmonic Analysis, 2009, 26(3): 301-321.

［13］BERTSEKAS D. Nonlinear programming ［M］. 2nd ed. Boston: Athena Scientific, 1999.

［14］ROCKAFELLAR R. Convex analysis ［M］. Princeton, NJ, USA: Princeton University Press, 1970.

［15］BIRGIN E, MARTNEZ J, RAVDAN M. Nonmonotone spectral projected gradient methods on convex sets ［J］. SIAM Journal on Optimization, 2000, 10(4): 1196-1211.

［16］Intel berkeley research lab. Intel lab data[DB/OL]. [2012-10-01]. http://db.csail.mit.edu/labdata/labdata.html.

[1]	刘晓光, 靳少康, 韦子辉, 梁铁, 王洪瑞, 刘秀玲. 基于阈值和极端随机树的实时跌倒检测方法[J]. 计算机应用, 2021, 41(9): 2761-2766.
[2]	孙环, 陈宏滨. 基于萤火虫算法的无线传感器网络节点重部署策略[J]. 计算机应用, 2021, 41(2): 492-497.
[3]	沈子懿, 王卫亚, 蒋东华, 荣宪伟. 基于Hopfield混沌神经网络和压缩感知的可视化图像加密算法[J]. 计算机应用, 2021, 41(10): 2893-2899.
[4]	胡润彦, 李翠然. 基于模糊控制的自供能无线传感器网络分簇算法[J]. 计算机应用, 2020, 40(9): 2691-2697.
[5]	韩雨涝, 房鼎益. 基于链路交点相对位置信息的轻量级覆盖空洞检测算法[J]. 计算机应用, 2020, 40(9): 2698-2705.
[6]	韩雨涝, 房鼎益. 联合无线充电与数据收集的移动充电装置多目标路径规划算法[J]. 计算机应用, 2020, 40(6): 1745-1750.
[7]	席雅睿, 乔志伟, 温静, 张艳娇, 杨雯晶, 闫慧文. 基于Chambolle-Pock算法框架的高阶TV图像重建算法[J]. 计算机应用, 2020, 40(6): 1793-1798.
[8]	徐志强, 蒋铁钢, 杨立波. 基于随机支撑挑选的广义正交匹配追踪算法[J]. 计算机应用, 2020, 40(4): 1104-1108.
[9]	杨立波, 蒋铁钢, 徐志强. 基于混合梯度的硬阈值追踪算法[J]. 计算机应用, 2020, 40(3): 912-916.
[10]	卢光跃, 周亮, 吕少卿, 施聪, 苏可可. 基于图信号处理的无线传感器网络异常节点检测算法[J]. 计算机应用, 2020, 40(3): 783-787.
[11]	高彦彦, 李莉, 张晶, 贾英茜. 结合梯度投影稀疏重构和复数小波的图像重构[J]. 计算机应用, 2020, 40(2): 486-490.
[12]	宗春梅, 张月琴, 曹建芳, 赵青杉. 基于深度先验及非局部相似性的压缩感知核磁共振成像[J]. 计算机应用, 2020, 40(10): 3054-3059.
[13]	任秀丽, 陈洋. 无线传感网中数据传输延时优化的路由协议[J]. 计算机应用, 2020, 40(1): 196-201.
[14]	吴三柱, 李鹏, 吴三斌. 移动无线传感器网络中抑制病毒传播模型[J]. 计算机应用, 2020, 40(1): 129-135.
[15]	董发志, 丁洪伟, 杨志军, 熊成彪, 张颖婕. 基于遗传算法和模糊C均值聚类的WSN分簇路由算法[J]. 计算机应用, 2019, 39(8): 2359-2365.

基于二次规划的无线传感器网络数据恢复算法

Wireless sensor networks data recovery algorithm based on quadratic programming

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics