壓縮感知在物聯(lián)網(wǎng)系統(tǒng)中的應(yīng)用研究

摘要：在分析物聯(lián)網(wǎng)感知層數(shù)據(jù)傳輸特點的基礎(chǔ)上，結(jié)合壓縮感知理論提出了3種感知層數(shù)據(jù)采集與傳輸方案，給出了壓縮感知理論的框架，并對提出的數(shù)據(jù)壓縮方案、隨機采樣方案、半張量模型采集方案進行了可行性分析，詳細探討了3種方案各自適用的應(yīng)用場合，為物聯(lián)網(wǎng)感知層高質(zhì)量、高速率數(shù)據(jù)采集與傳輸提供了可借鑒的方法。

關(guān)鍵詞：壓縮感知;物聯(lián)網(wǎng);數(shù)據(jù)采集方案

0 引言

物聯(lián)網(wǎng)作為新一代信息技術(shù)的重要組成部分，已在零售、交通、農(nóng)業(yè)、智能家居、智慧城市、供應(yīng)鏈、應(yīng)急、醫(yī)療、環(huán)境和能源等領(lǐng)域得到了廣泛應(yīng)用。如果說互聯(lián)網(wǎng)打破了空間的限制，建立了人與人之間的溝通橋梁，那么物聯(lián)網(wǎng)則建立起了物與物、人與物之間聯(lián)系的橋梁。物聯(lián)網(wǎng)架構(gòu)分為3層：感知層、傳輸層、應(yīng)用層。無線傳感器網(wǎng)絡(luò)作為物聯(lián)網(wǎng)感知層的重要組成部分，是物聯(lián)網(wǎng)系統(tǒng)數(shù)據(jù)的來源。物聯(lián)網(wǎng)海量數(shù)據(jù)的采集、處理、傳輸都是由感知層的傳感器節(jié)點完成的。

1 物聯(lián)網(wǎng)感知層數(shù)據(jù)傳輸特點

無線傳感器節(jié)點作為物聯(lián)網(wǎng)數(shù)據(jù)的直接來源，需要采集大量數(shù)據(jù)并實時進行傳輸。物聯(lián)網(wǎng)感知層數(shù)據(jù)傳輸?shù)奶攸c：（1）數(shù)據(jù)類型豐富，數(shù)據(jù)量大。物聯(lián)網(wǎng)感知的數(shù)據(jù)類型豐富，不僅有如溫度、濕度、光照等標量信息，更多的是音頻、圖像、視頻等大流量的多媒體數(shù)據(jù)。如何實現(xiàn)不同類型數(shù)據(jù)的高速采集與傳輸是物聯(lián)網(wǎng)感知層面臨的主要問題。（2）數(shù)據(jù)傳輸實時性要求高。物聯(lián)網(wǎng)應(yīng)用系統(tǒng)對數(shù)據(jù)實時性要求越來越高，5G技術(shù)在數(shù)據(jù)傳輸層為高速數(shù)據(jù)傳輸提供了有效支撐。感知層的數(shù)據(jù)采集與傳輸也直接決定了物聯(lián)網(wǎng)系統(tǒng)的數(shù)據(jù)傳輸效率。（3）感知層硬件資源有限。感知層傳感器節(jié)點體積較小且計算及存儲資源非常有限，通常采用電池供電。要完成物聯(lián)網(wǎng)應(yīng)用所需的海量數(shù)據(jù)的采集與傳輸，亟待解決的問題是如何處理好傳感器節(jié)點有限的硬件資源與物聯(lián)網(wǎng)所需的大數(shù)據(jù)量采集與傳輸之間的矛盾。

基于以上特點，針對物聯(lián)網(wǎng)感知層的時間高效、資源高效、安全可靠的數(shù)據(jù)采集與傳輸方案是保證物聯(lián)網(wǎng)系統(tǒng)實時、可靠獲取數(shù)據(jù)的重要保障。

2 壓縮感知理論

壓縮感知理論[1]一經(jīng)提出就受到了學者的廣泛關(guān)注。壓縮感知理論打破了奈奎斯特采樣定理的限制，指出信號采樣不用以高速奈奎斯特頻率進行采樣，而是將采樣與壓縮合并，實現(xiàn)數(shù)據(jù)的低速采樣。低速采樣得到的少量數(shù)據(jù)在網(wǎng)絡(luò)中進行傳輸，高復(fù)雜度的重構(gòu)運算在數(shù)據(jù)接收端完成。壓縮感知理論的出現(xiàn)，為物聯(lián)網(wǎng)感知層新型的數(shù)據(jù)采集與傳輸方案提供了理論基礎(chǔ)。

3 基于壓縮感知的數(shù)據(jù)采集方案分析

3.1? ? 數(shù)據(jù)壓縮方案[2]

傳感器節(jié)點在數(shù)據(jù)采集與處理的過程中，數(shù)據(jù)傳輸是能耗的主要來源。為有效利用物聯(lián)網(wǎng)感知層數(shù)據(jù)傳輸帶寬資源，降低數(shù)據(jù)傳輸引起的能耗，傳感器節(jié)點可通過數(shù)據(jù)壓縮來保證大流量數(shù)據(jù)在帶寬有限無線網(wǎng)絡(luò)上的實時、可靠傳輸。

壓縮感知理論指出，若信號具有稀疏性或在某個變換域內(nèi)具有稀疏性，就可以通過一個觀測矩陣實現(xiàn)信號的降維投影，得到少量的觀測值，從而實現(xiàn)信號的壓縮。觀測值中包含了重構(gòu)信號的全部信息，在重構(gòu)端選擇合適的重建算法便可實現(xiàn)原信號的重建。

在基于數(shù)據(jù)壓縮的采集方案中，傳感器節(jié)點需要完成的工作如下：首先節(jié)點的采樣部件對數(shù)據(jù)進行基于奈奎斯特頻率的采樣，將采樣得到的數(shù)據(jù)與在節(jié)點上事先存儲的觀測矩陣進行矩陣乘法運算，該步驟即為數(shù)據(jù)壓縮過程。壓縮后的少量數(shù)據(jù)通過網(wǎng)絡(luò)傳輸至上層設(shè)備。解壓過程在應(yīng)用層進行，應(yīng)用層需要利用完全相同的觀測矩陣對數(shù)據(jù)進行壓縮感知重構(gòu)。

該方案的特點是數(shù)據(jù)壓縮過程是由壓縮感知線性觀測過程實現(xiàn)，信號的稀疏性越好，觀測過程得到的觀測值就越少，壓縮率就越高。

該方案主要適用于計算能力較強、存儲空間較大的傳感器節(jié)點，主要通過線性觀測實現(xiàn)數(shù)據(jù)的壓縮，可根據(jù)數(shù)據(jù)特點設(shè)計合理的觀測矩陣以獲得復(fù)雜度低、壓縮效果好的數(shù)據(jù)壓縮方法。

3.2? ? 隨機采樣方案

針對計算、存儲資源受限的傳感器節(jié)點而言，在節(jié)點內(nèi)部存儲觀測矩陣、完成高維矩陣乘法運算并不現(xiàn)實。在此情況下，可直接在節(jié)點上對信號進行低速隨機非均勻直接抽取，而非奈奎斯特采樣。這就意味著將信號的采樣與壓縮過程合二為一，在信號重構(gòu)端根據(jù)隨機抽取的時刻生成隨機采樣的等效觀測矩陣，對信號進行重建。

基于壓縮感知理論，只要能夠產(chǎn)生合理的隨機采樣時序，利用時序控制采樣部件進行低速隨機采樣，就可以在隨機采樣時保留信號的全部信息，從而實現(xiàn)重構(gòu)端的信號重建。要在節(jié)點上實現(xiàn)對信號的隨機采樣需要解決兩個核心問題：產(chǎn)生合理的隨機采樣序列、構(gòu)建重建端所需的等效觀測矩陣。

要想在采集節(jié)點上實現(xiàn)對音頻信號的隨機采樣，關(guān)鍵在于設(shè)置信號隨機采樣的時序。生成隨機采樣序列的方法有兩種：第一種是簡單隨機采樣，第二種是加性隨機采樣。

3.2.1? ? 簡單隨機采樣

簡單隨機采樣是指利用隨機數(shù)種子，隨機生成隨機數(shù)作為采樣時刻，采樣部件根據(jù)采樣時刻進行采樣。簡單隨機采樣的具體方法如下：首先，根據(jù)信號的特點對采樣時間窗長度、平均采樣頻率進行定義;然后，計算采樣時間窗內(nèi)需要采樣的點數(shù)，采樣點數(shù)由時間窗長度和平均采樣頻率決定，設(shè)置隨機數(shù)發(fā)生器;最后，對隨機數(shù)進行排序，排序后的結(jié)果才能作為采樣時刻。

該方法的優(yōu)勢在于，由隨機數(shù)形成的觀測矩陣觀測效果好、重構(gòu)質(zhì)量高，但隨機數(shù)發(fā)生器產(chǎn)生的隨機數(shù)必須經(jīng)過排序后才能作為采樣時刻進而控制采樣部件。對大量隨機數(shù)的排序增加了節(jié)點的計算量。另外，完全隨機產(chǎn)生的隨機數(shù)作為采樣時刻會出現(xiàn)間隔難以控制的問題，導(dǎo)致部分信號由于采樣間隔過大而難以保證重建質(zhì)量。

3.2.2? ? 加性隨機采樣[3]

加性隨機采樣的核心思想是：在保證采樣時刻隨機性的基礎(chǔ)上，下一個采樣時刻根據(jù)前一個采樣時刻值產(chǎn)生，即在上一個采樣時刻的基礎(chǔ)上加上一個合理的時間段，使之形成新的采樣時刻，最終構(gòu)成一個完整的采樣時刻序列。這樣就不需要對隨機數(shù)進行排序，也避免了采樣間隔難以控制的問題。

該方案特別適用于硬件資源有限的傳感器節(jié)點。其特點是節(jié)點計算極其簡單，采樣后得到的數(shù)據(jù)量小，數(shù)據(jù)重構(gòu)端計算量較大。重構(gòu)數(shù)據(jù)的步驟如下：首先需要根據(jù)隨機數(shù)種子生成等效觀測矩陣，再利用匹配追蹤算法完成信號重建。

3.3? ? 半張量模型采集方案

在壓縮感知的線性觀測及數(shù)據(jù)重構(gòu)的過程中均涉及矩陣運算。當矩陣維數(shù)較大時，計算量也隨之增大。針對該問題，謝冬等人[4]提出了基于矩陣的半張量積壓縮感知模型。該模型不僅保持了傳統(tǒng)矩陣乘法的優(yōu)良特性，而且突破了傳統(tǒng)矩陣乘法中兩個因子矩陣必須滿足維數(shù)匹配條件的限制。

半張量壓縮感知模型的優(yōu)勢在于：在保證重建質(zhì)量的前提下，可以大大降低觀測矩陣的維數(shù)。無論是所需的存儲空間，還是矩陣乘法運算的計算量，都會隨著觀測矩陣維數(shù)的下降而大幅下降。

該方案特別適用于高維信號的處理，且不需要使測量矩陣A的列數(shù)等于被觀測信號X的行數(shù)，增加了靈活性。其是對壓縮感知理論的推廣，可以結(jié)合數(shù)據(jù)壓縮方案和隨機采樣方案在不同場合共同發(fā)揮作用。對于多媒體傳感器網(wǎng)絡(luò)非常適用，可以有效降低數(shù)據(jù)壓縮和重構(gòu)的計算量。

4 結(jié)語

本文針對物聯(lián)網(wǎng)感知層數(shù)據(jù)采集與傳輸?shù)奶攸c，基于壓縮感知理論提出了3種數(shù)據(jù)采集方案。3種方案各有優(yōu)勢，可在不同的應(yīng)用場合發(fā)揮作用。

[參考文獻]

[1] 石光明，劉丹華，高大化，等.壓縮感知理論及其研究進展[J].電子學報，2009，37（5）：1070-1081.

[2] 彭慧，趙子愷，洪俊.基于壓縮感知的無線糧蟲聲信號采集方案[J].農(nóng)機化研究，2014（5）：83-87.

[3] 彭慧，劉潤琴，婁顏超.無線音頻傳感器網(wǎng)絡(luò)中低能耗數(shù)據(jù)采集方法研究[J].佳木斯大學學報（自然科學版），2015，33（5）：675-679.

[4] XIE D，PENG H P，LI L X，et al.Semi-tensor compressed sensing[J].Digital Signal Processing，2016，58：85-92.

收稿日期：2020-07-29

作者簡介：彭慧（1987—），女，陜西榆林人，碩士研究生，講師，研究方向：壓縮感知、數(shù)據(jù)處理。