面向原位环境无线感知的完整场景数据收集理论和关键技术

Effectively environmental parameters monitoring has significantly impact on the scientific research and humanbeing sustainable development. However, their underlying dynamics and variation fail to be precisely measured via the traditional techniques. While in-situ wireless sensing technology, deploying numerous sensors in one field with them continuously working , can definitely achieve such goal. Due to the energy limitation, data acquisition protocol used in wireless environmental monitoring application have to make a tradeoff between field data accuray and energy consumption to prolong network lifetime. The advent of novel theories -Compressive Sensing(CS)-provide one effective alternative for complete data gathering via sparse/compressive measurements. Given the inherent tempo-spatial correlation of monitored spatial data, we will introduce two-dimensional CS system and build one environment-monitoring specific field data reconstruction model along with raising one faster recovery algorithm. Furthermore, we will apply this new theoretical framework into the real data gathering protocol design with minimum resouces consumption as well as meeting the desirable energy efficiency and data integrality.

环境的有效监测对科学研究和人类的可持续性发展有着十分主要的意义。然而，传统的环境监测技术不能准确地把握数据的动态变化。相反，由大量传感器节点构成的原位无线传感器网络能准确而实时地获取场景内数据的动态变化趋势。由于节点能量的有限性，为延长网络生命周期，场景数据收集协议的策略是在数据的完整性和能量开销两个方面做出折中。新的理论技术-压缩感知技术-能对单一稀疏的信号实现压缩采样和完全恢复，为数据采集协议提供新的技术。本项目欲引入用于环境监测应用的二维压缩感知模型，结合数据的时空特性，建立新的重构问题模型，提出计算高效的重构算法，基于该理论框架设计能量高效的数据采集协议，使网络以最小的资源开销完全获取场景中的数据，同时满足用户对能量节约和数据完整性的要求。

环境的有效监测对科学研究和人类的可持续性发展有着十分主要的意义。然而，传统的环境监测技术不能准确地把握数据的动态变化。相反，由大量传感器节点构成的无线传感器网络能准确而实时地获取场景内数据的动态变化趋势。但由于节点能量有限，为延长网络生命周期，场景数据收集协议以牺牲数据的完整性为代价。本项目的开展是为提供能量高效并且精准的数据采集协议提供理论框架和技术支撑。项目在以下三个方面取得了重要进展：(1) 提出基于时空的二维压缩感知模型，并设计能量高效的数据采集协议和完整数据重构算法；(2)设计基于链路质量的动态高效可靠数据传输协议；(3)实现所提出的算法和协议，并将部署到实际网络网络环境下进行测试与验证。..在项目执行过程中，项目组按照课题研究计划有序展开，按时完成了计划中所列的研究目标。项目组通过积极参与相关领域主流国际会议并分享项目研究成果等方式，与国外同行进行了深入的学术交流与合作。项目负责人在项目执行期间共发表论文5篇（包括IEEE/ACM Transactions论文2篇，CCF A/B类会议论文3篇), 培养博士研究生和硕士研究生共7名。