1. 毕业设计（论文）的内容和要求
无线传感器网络(Wireless Sensor Networks, WSN)具有节点数目众多、资源容易受限以及组成的节点同构性的特点。因此，如何利用WSN节点感知数据的相关性对数据进行压缩，并以能量有效的方式来满足WSN的应用要求，是WSN应用丞待解决的问题。
压缩感知(Compressed Sensing，CS)是近年来兴起的一种新的信号压缩采样技术，其突破了奈奎斯特采样定理的限制，采样速率不再依赖于信号的频宽。CS理论认为，只要信号本身是稀疏的或者在某个变换域下稀疏的，就可以通过观测矩阵来获得信号的投影向量，然后通过优化的方法来近似无损的重构出原信号。压缩感知的核心思想是以提高后端信号处理的复杂度来换取前端信号获取复杂度的降低。WSN节点的感知数据具有时空相关性，分布式压缩感知(Distributed Compressed Sensing，DCS)在CS基础上侧重研究如何利用多个信号的内相关性和互相关性来进行联合感知和采样，以减少网络数据传输量和能量消耗，延长网络生命，因此DCS在WSN中具有广阔的应用前景。
本课题首先对WSN的现状及应用作详细介绍，对CS和DCS基本理论进行较为深刻的阐述和探讨，特别针对压缩感知中信号重构和分布式压缩感知中稀疏模型等关键技术进行详细描述。然后，根据WSN中节点感知数据的空间相关性，建立基于分类的DCS模型，提出相应的联合编解码算法，并研究联合重构误差和数据压缩比之间的关系。最后，通过仿真对本课题提出的算法进行实验验证。2. 参考文献
[1] 吴凌华, 张小川. 压缩感知的发展与应用.电讯技术.2011, 51(1): 120-124.
[2] 焦李成, 杨淑媛, 刘芳, 侯彪. 压缩感知回顾与展望.电子学报.2011, 39(7): 1651-1662.
[3] 石光明, 刘丹华. 压缩感知理论及其研究进展.电子学报.2009, 37(5): 1070-1081.
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
