基于压缩感知的低信息密度数据收集理论及其在WSN中的应用

Main data in network is not inputted by the keyboard but collected by sensing equipment or intelligent terminal. This tendency results in exponential growth of data and relatively slow increase in information. It decreases information density gradually.Therefore,this project plans to research on low information density data (LIDD) collection theory based on compressive sensing and takes wireless sensor network as an example to verify the theory. (1) mapping LIDD to grid image expression by node's location or ID and obtain sparse expression by using different scale to divide network. (2)the project proposes a theory and method about LIDD collection for enhancing the adaptability of instability channel and limited bandwidth. It obtains scalable collection by removing redundancy and adjusting measurement matrix. (3) the project proposes a secure LIDD collection theory and method to protect sensing data from being monitoring or being tampering. The uncertainty of measurement matrix in CS will improve data's security. (4) the project proposes a theory and method about energy-efficiency LIDD collection for improving the network energy utilization.Reducing redundant measurement is helpful to balance and optimize network energy consumption.

数据由键盘录入渐转为传感设备或智能终端采集，使得网络数据量高速增长，但数据包含的信息量增幅相对较缓，最终导致数据的信息密度逐步降低。针对该趋势，拟结合压缩感知（CS）技术研究低信息密度数据（LIDD）收集理论并以WSN为例验证理论。（1）通过节点位置或ID信息将低信息密度数据映射成网格化的图像表达形式，采用不同尺度划分网络实现数据的稀疏化。（2）为增强收集过程对信道不稳定、带宽受限的适应性，拟提出基于CS的质量可伸缩LIDD收集理论与方法，利用感知数据时空相关性和CS测量矩阵的可扩展性实现质量可伸缩数据收集。（3）针对收集过程易被监控易被窃取的不足，拟提出基于CS的强安全LIDD收集理论与方法，利用CS中随机测量矩阵的不确定性实现低开销的数据加密和保护。（4）为提高网络能量利用率，拟提出基于CS的高能效LIDD收集理论与方法，通过消除冗余观测，达到均衡和降低网络能耗。

随着传感器的广泛布置和使用，数据由键盘录入逐渐转为由传感设备或智能终端采集，数据的信息密度逐步降低已经明显。本项目抓住该趋势开展了适度超前的研究。围绕低信息密度的数据表示和稀疏化、结合压缩感知的质量可伸缩收集理论与方法、基于压缩感知的强安全收集理论与方法、基于压缩感知的高能效收集理论与方法四个科学问题开展研究，得到系列理论成果和具体方法。发表论文超过18篇，获得授权专利10项，与韩国Ajou University的Young-june CHOI团队合作取得重要进展。经费使用高效合理。总体来说，研究成果和项目管理达到申请时的预期目标。