煤矿物联网多源异构监测信息源端压缩采集方法研究

Internet of Things technology has been widely used in open space."Perception mine IoT"tries to introduce the IoT technology into mine underground Intranet,to capture the real-time multi-dimensional characteristics of a monitored object from the limited space,however,the research is just in its beginning.The large number of data collected by those sensors makes the bandwidth required rapid increasing in mine IoT,which makes tremendous pressure on the current communication channel, especially between the channel of source-sensors to fiber looped network,the cable-based channel become the bottleneck of restricting the mine IoT development while line updating expensive cost..This research first introduces compressive sensing theory and underground space location into information collection in the mine safety monitoring ereas,which makes full use of the cross-correlation and sparsity to transform signal sampling into information collection to reduce the massive sampling data,with the result,to release the pressure of the cable-based channel.The issue includes:(1)Analysising characteristic and sparsing representation on the monitored data of safety in mine,establishing orthogonal basis dictionary(2)Building observation matrix combined with expert knowledge(3)Solving the sparse matrix convex optimization(4) reconstructing and evaluating signal,then proposes compressive sensing theory algorithm about mine safety monitoring and provides useful theoretical basis to break down the transmission bottleneck.

物联网技术在开放空间已被大量应用."感知矿山物联网"试图将物联网技术引入地下,实现对井下受限空间中特定对象多维特征的实时监控,其研究尚处于起步阶段.矿山物联网多源异构传感信息的汇集使单位信道所需传输带宽激增,对矿山井下现有通信线路,尤其自传感源至环网信道带来巨大压力,以电缆为主的现有线路成为制约矿山物联网应用的瓶颈.线路改造虽能解决瓶颈问题,但耗费巨大..本研究首次将压缩感知理论及井下空间信息引入矿山安全监控信息采集中,充分利用监控信息的互相关性和可稀疏性,实现将信号的采集转变为对信息的采集,大大降低数据采集量,降低对传输线路的带宽要求.课题通过对(1)矿山安全生产监控数据的特征分析及稀疏化表示，建立正交基数据字典(2)结合专家知识构建观测矩阵(3)稀疏矩阵的凸优化求解(4)信号的重建与评估四方面内容的研究,提出适合于煤矿的压缩感知理论相关算法,为突破矿山物联网传输瓶颈提供有益的理论支持.

本课题以矿山物联网背景下的海量信息采集方法作为研究对象，利用压缩感知理论研究煤矿监控多源异构数据压缩采集方法。主要对监控数据的稀疏表示、观测矩阵的设计及信号重建方法及其应用展开研究。主要取得如下成果：.（1）结合煤矿专家知识，构建适用于煤矿的传感器编码字典，并提出适用于监控数据压缩采集的多尺度1-bit压缩采集算法，有效解决了1-bitCS存在的过载量化失真而丢失敏感信息的问题；.（2）利用混沌序列的高阶不相关性构造混沌观测矩阵，使得观测矩阵兼备了随机矩阵的随机分布特征和伪随机可控的特征，从而能有效降低重建复杂度且有助于增加采集信息安全性；此外，为降低观测与重建计算复杂度，提出基于系数贡献度的自适应观测(CCBAM)矩阵构建方法，将非线性重建转换为线性重建，大大降低了计算复杂度。在相同重建精度下,数据输出压缩比降低20%~50%,计算复杂度从O(MN)降低为O(N+2K)(K<<N)；.（3）提出了基于残差收敛的正交追踪(StoRCP)算法，该算法在信号重构误差和重构概率和重构时间方面都优于OMP、StOMP 、ROMP等具有代表性的贪婪算法，其重建时间只有OMP的20%-50%；.（4）结合传统信号重建性能指标，提出一种结合重建精度、重建时间和压缩率的综合评判指标—重建满意度S(p,t,o)，为压缩感知重建方法评估提供新的参考；.（5）利用JSM-1模型实现分布式同构和异构传感器的压缩采集与传输，将课题研究成果应用到企业实际生产系统中，并取得良好应用效果。