應(yīng)用壓縮感知的無線傳感器網(wǎng)絡(luò)數(shù)據(jù)處理綜述*

宣利峰，熊繼平，趙 健

(浙江師范大學(xué) 數(shù)理與信息工程學(xué)院，浙江 金華 321004)

近年來，無線傳感器網(wǎng)絡(luò)[1-2]WSNs(Wireless Sensor Networks)的通信和協(xié)議設(shè)計已經(jīng)得到了廣泛的研究，它常應(yīng)用于國防軍事、環(huán)境監(jiān)測、交通管理等諸多國際上備受關(guān)注的熱點研究領(lǐng)域中。然而,在無線傳感器網(wǎng)絡(luò)中，由于具有節(jié)點存儲容量與節(jié)點能量等資源受限的特征，如何降低采集的數(shù)據(jù)量，從而減少各個節(jié)點能量的消耗、增加網(wǎng)絡(luò)的通信容量、提高網(wǎng)絡(luò)的生存壽命，一直是研究的熱點。壓縮感知理論是針對稀疏或可壓縮信號，在采樣的同時即可對信號數(shù)據(jù)進(jìn)行適當(dāng)壓縮的新理論，這使其在信號處理領(lǐng)域有著突出的優(yōu)點和廣闊的應(yīng)用前景。在數(shù)據(jù)采集和信號處理中，壓縮傳感理論突破了傳統(tǒng)香農(nóng)定理的局限性,通過改變數(shù)據(jù)采集模式，實現(xiàn)了傳統(tǒng)理論的進(jìn)一步發(fā)展與創(chuàng)新；利用數(shù)據(jù)之間的相關(guān)性，極大地減少了網(wǎng)絡(luò)中數(shù)據(jù)的傳輸和存儲；結(jié)合適當(dāng)?shù)穆酚蓞f(xié)議,改善了整個網(wǎng)絡(luò)的通信容量、延時以及網(wǎng)絡(luò)生存壽命等問題。

1 壓縮感知、無線傳感網(wǎng)絡(luò)研究現(xiàn)狀

1.1 壓縮感知理論

壓縮感知CS(Compressive Sensing or Compressed Sensing)技術(shù)也稱為壓縮傳感或壓縮采樣，是近年來信號處理領(lǐng)域的一項新技術(shù)[3-6]。自從2006年起有正式論文發(fā)表之后，迅速引起國內(nèi)外相關(guān)領(lǐng)域研究者的高度重視。該領(lǐng)域的先驅(qū)者是Terence Tao等[3-6]，其理論研究的重點主要集中在傳感矩陣選取和重構(gòu)算法的構(gòu)建兩大方面。短短的幾年時間，壓縮感知從自身理論到應(yīng)用都得到了飛速的發(fā)展，成為熱點的研究方向，被廣泛地應(yīng)用到諸如醫(yī)學(xué)圖像處理、雷達(dá)、通信、人臉識別、機(jī)器學(xué)習(xí)等領(lǐng)域中。

壓縮感知過程可以描述為：當(dāng)某一信號滿足稀疏性或在某個變換域中為稀疏形式時，壓縮感知理論能夠以較少的測量信號精確重構(gòu)被測量的信號。其理論框架如圖1所示。

圖1 壓縮感知理論框架

已知從某一個測量矩陣 φ∈RM×N(M＜＜N)以及信號x，則其信號測量過程如下：

其中x為原信號，y為測量值，ψ為稀疏矩陣，φ為測量矩陣。傳輸稀疏矩陣φ的稀疏度為K，是信號x在ψ變換域的稀疏表示，φψ可以由傳感（投影）矩陣A表示。從式(1)中可以看出，測量值y的信息量遠(yuǎn)遠(yuǎn)小于原圖像信號的信息量，故極大提高了信號傳輸?shù)倪^程。

式中，測量值y是已知的，A為傳感矩陣。但式(2)是一個非確定多項式 NP(Non-deterministic Polynomial)難題，參考文獻(xiàn)[4]表明，在投影矩陣A滿足一定條件時，上述‖θ‖0問題可以通過求解‖θ‖1獲得，即：

[5-6]表明，要減少采樣值m的數(shù)量，可以通過求解非凸問題‖θ‖p,0＜p＜1來代替‖θ‖0求解，min‖θ‖p,0＜p＜1,s.t.y=Aθ，其中‖θ‖p=()l/p

圖2 壓縮傳感線性測量過程

1.2 無線傳感器網(wǎng)絡(luò)與研究現(xiàn)狀

WSNs是由部署在監(jiān)測區(qū)域內(nèi)的大量微型傳感器節(jié)點通過無線通信的方式形成的多跳的自組織網(wǎng)絡(luò)系統(tǒng)[1]。2003年，美國的《技術(shù)評論》雜志將WSNs列為未來改變?nèi)藗兩畹氖蠹夹g(shù)之一[2]。當(dāng)下，基于傳感器網(wǎng)絡(luò)技術(shù)的物聯(lián)網(wǎng)IOT(Internet of Things)得到了世界各國的重視，發(fā)展迅猛。物聯(lián)網(wǎng)早已超越了單純的RFID的概念，成為一種泛在的網(wǎng)絡(luò)，它的典型無線傳感器網(wǎng)絡(luò)結(jié)構(gòu)由分布在探測區(qū)域的大量傳感器節(jié)點以及數(shù)據(jù)收集中心(一般稱為基站)所組成。傳感器節(jié)點通過無線連接的方式與基站建立數(shù)據(jù)通路，發(fā)送測量到的數(shù)據(jù)。

WSNs是以數(shù)據(jù)為中心的網(wǎng)絡(luò),在許多應(yīng)用中節(jié)點可以感知兵力、裝備、物資、地形和布防信息，定位攻擊目標(biāo)，評估損失，偵察和探測核、生物和化學(xué)攻擊等。這些高度敏感的數(shù)據(jù)一旦被攻擊者獲取，將危及整個網(wǎng)絡(luò)的安全，因此在很多場合必須采取有效措施保護(hù)WSNs中機(jī)密信息傳輸?shù)陌踩玔7]。WSNs是任務(wù)型的網(wǎng)絡(luò)，運(yùn)行中須保證網(wǎng)絡(luò)、節(jié)點和數(shù)據(jù)三個層次的安全，其中數(shù)據(jù)安全是重中之重，主要包括數(shù)據(jù)的機(jī)密性(Confidentiality)、真實性(Authentication)、完整性(Integrity)和新鮮性(Freshness)[8]。以數(shù)據(jù)為中心的WSNs中存在的安全威脅很大程度上只能通過數(shù)據(jù)安全技術(shù)解決，密碼技術(shù)和數(shù)字水印技術(shù)是兩種主要的數(shù)據(jù)安全保護(hù)方法。目前，WSNs的數(shù)據(jù)安全解決方案主要集中在以加密為核心的技術(shù)領(lǐng)域[9-10]。

具有現(xiàn)代意義的WSNs相關(guān)研究最早是20世紀(jì)90年代末在美國開始的，其后，該技術(shù)相繼被一些重要機(jī)構(gòu)預(yù)測為改變世界的重要新技術(shù)，其相關(guān)研究工作在世界各地開展起來[11]。隨著研究的深入，WSNs已經(jīng)在軍事國防、工農(nóng)業(yè)、城市管理、生物醫(yī)療、環(huán)境監(jiān)測、搶險救災(zāi)、防恐反恐、危險區(qū)域遠(yuǎn)程控制等重要領(lǐng)域取得了成果[12]。

2 基于壓縮感知的無線傳感網(wǎng)絡(luò)研究

2.1 研究目的和實際意義

目前傳感器網(wǎng)絡(luò)中通常部署有大量的傳感器節(jié)點，從成本的角度考慮，這些傳感器節(jié)點所安裝的操作系統(tǒng)一般為簡單的嵌入式系統(tǒng)，其處理能力和電池能量都是有限的，加密技術(shù)的采用往往會導(dǎo)致傳感器節(jié)點使用壽命的急劇下降，降低整個無線傳感器網(wǎng)絡(luò)的整體生存時間。因此，如何設(shè)計高效的算法使得在保障機(jī)密性的同時傳感器節(jié)點的能量消耗盡可能少成為一個重要的研究方向。

相比較于JPEG和JPEG2000有損壓縮方式，CS技術(shù)的優(yōu)越性在于：(1)采集較少的樣本并充分利用其重構(gòu)信號；(2)采用簡單編碼（線性投影）和復(fù)雜解碼（非線性投影），而一般在實際中編碼端的計算能力相對較弱，解碼端（通常為基站或計算機(jī)）具有很強(qiáng)的計算能力[13]。考慮到WSNs能耗和計算能力有限的情況，以上兩大優(yōu)勢使CS技術(shù)能夠更好地應(yīng)用于WSNs，適用于WSNs中信息的安全隱秘傳輸，能夠在安全隱秘傳輸數(shù)據(jù)的同時，維持整個傳感器網(wǎng)絡(luò)較長的生存期，具有較強(qiáng)的研究意義和應(yīng)用價值。

2.2 研究綜述

本文對壓縮傳感應(yīng)用于無線傳感器網(wǎng)絡(luò)的相關(guān)研究進(jìn)行了總結(jié)，認(rèn)為目前的研究主要集中在以下4個方面。

(1)CS技術(shù)在WSNs數(shù)據(jù)融合中的應(yīng)用[14-16]

參考文獻(xiàn)[14]中指出，隨著WSNs目標(biāo)傳感器范圍的擴(kuò)大，融合函數(shù)變得越來越復(fù)雜，融合運(yùn)算中的能量損耗也越來越大。因此，提出在WSNs數(shù)據(jù)融合中采用壓縮感知技術(shù)。采用自適應(yīng)分布式數(shù)據(jù)融合算法，在路由過程中采集并融合相關(guān)傳感器節(jié)點，從而使傳輸和融合能耗達(dá)到最小。實驗結(jié)果表明，采用自適應(yīng)分布式數(shù)據(jù)融合算法能夠使能耗減小。

參考文獻(xiàn)[15]通過調(diào)研CS在WSNs中的數(shù)據(jù)采集應(yīng)用，旨在通過聯(lián)合路由和壓縮融合來最小化網(wǎng)絡(luò)能量損耗。它描述了該優(yōu)化問題的最優(yōu)解，證明了其NP-完備性，所提出的混合整數(shù)規(guī)劃框架和貪婪啟發(fā)法(Greedy Heuristics)最優(yōu)解和次優(yōu)解的融合樹都能有效獲得。結(jié)果證實了貪婪啟發(fā)法的作用，以及采用所提出的路由和融合設(shè)計能量有效性。

參考文獻(xiàn)[16]提出了普通壓縮感知(Plain-CS）和混合壓縮感知（Hybrid-CS）概念，以特定數(shù)據(jù)融合機(jī)制的形式應(yīng)用于WSNs中的網(wǎng)絡(luò)層。調(diào)研了在WSNs中采用壓縮感知采集數(shù)據(jù)的優(yōu)點。描述了普通CS，提出了融合傳統(tǒng)數(shù)據(jù)采集和普通CS的混合CS框架，用3個基于量的最優(yōu)化問題來計算不采用CS、采用普通CS和混合CS的吞吐量。仿真結(jié)果表明，較于不采用CS，僅采用普通CS技術(shù)可能無法提高吞吐量，而采用混合CS技術(shù)能夠較大地提高吞吐量。

(2)CS技術(shù)在WSNs數(shù)據(jù)采集和信號獲取中的應(yīng)用[12-17]

參考文獻(xiàn)[17]提出了一種在 WSNs中基于 CS框架監(jiān)視1-D環(huán)境下的信息的新方法。該方法利用信號的可壓縮性減少融合中心FC(Fusion Center)恢復(fù)采樣信號的采樣值，從而減少傳感器節(jié)點的能量損耗。該方法的創(chuàng)新點在于構(gòu)建了一個考慮采樣因果關(guān)系、硬件局限性并權(quán)衡隨機(jī)化設(shè)計和計算復(fù)雜度的隨機(jī)采樣新方案。此外，采樣率指示器SRI(Sampling Rate Indicator)反饋機(jī)制被建立起來，使傳感器能夠在能量損耗最小化的情況下，將采樣速率調(diào)整到一個能夠接受的重構(gòu)性能范圍之內(nèi)。通過采用從部署的WSNs獲取的實際數(shù)據(jù)證明，在實現(xiàn)可接受重構(gòu)誤差的情況下，該方法能夠有效減少采樣值的數(shù)量，從而實現(xiàn)減少在數(shù)據(jù)獲取和傳輸中的能量損耗。

在參考文獻(xiàn)[12]中，對現(xiàn)有WSNs數(shù)據(jù)采集融合技術(shù)進(jìn)行了分析闡述，并深入探討CS相關(guān)重點理論和關(guān)鍵技術(shù)，以WSNs具體特性為依據(jù)，針對不同的應(yīng)用環(huán)境，構(gòu)建多種基于CS的WSNs數(shù)據(jù)采集模型。針對網(wǎng)絡(luò)內(nèi)各種數(shù)據(jù)類型，建立具有主動發(fā)起和被動激活異常檢測方式的無線周期數(shù)據(jù)采集模型，實現(xiàn)網(wǎng)絡(luò)內(nèi)異常數(shù)據(jù)的準(zhǔn)確恢復(fù)。采用貝葉斯CS進(jìn)行WSNs的信號采集，并運(yùn)用快速向量機(jī)算法，通過最大邊緣似然估計對稀疏系數(shù)進(jìn)行估計，完成測量信號的原始重構(gòu)。采用這種算法，信號的重構(gòu)速度將得到明顯的提高。

(3)CS在WSNs數(shù)據(jù)恢復(fù)和信號重構(gòu)中的應(yīng)用[18-19]

參考文獻(xiàn)[18]調(diào)研了無線傳感器網(wǎng)絡(luò)中壓縮感知聯(lián)合主成分分析PCA(Principal Component Analysis)在數(shù)據(jù)恢復(fù)中的效果。首先，在貝葉斯理論下構(gòu)建信號恢復(fù)框架，并證明在一定的信號統(tǒng)計假設(shè)下，采用CS方法在信號恢復(fù)性能中是最理想的。因此，上述假設(shè)也適用于通過實際WSNs部署和處理獲取的數(shù)據(jù)。最后得出結(jié)論：采用CS方法，不僅在恢復(fù)框架中是合理的，而且在獲取數(shù)據(jù)中也具有很好的性能。

參考文獻(xiàn)[19]的主要貢獻(xiàn)是設(shè)計了一個用于控制WSNs從外部服務(wù)器連接到網(wǎng)絡(luò)的WSNs控制架構(gòu)。在此架構(gòu)下，設(shè)計了一個融合主成分分析和CS的壓縮和恢復(fù)技術(shù)，用于在傳感器域部件通過相對較少的樣本來重構(gòu)信號。實驗結(jié)果顯示，采用CS技術(shù)恢復(fù)信號十分有效，并且能夠為WSNs中現(xiàn)實和非平穩(wěn)信號的數(shù)據(jù)采集與重構(gòu)實現(xiàn)全自動化。

(4)CS在WSNs數(shù)據(jù)傳輸和路由中的應(yīng)用[20,21]

目前的大多數(shù)研究工作的側(cè)重點都在于數(shù)據(jù)的有效采集和傳輸。

參考文獻(xiàn)[20]指出CS對于整個分布式WSNs具有非常高的應(yīng)用潛力。它提出了一個解決WSNs中數(shù)據(jù)采集的問題：路由選擇和CS技術(shù)協(xié)同傳輸數(shù)據(jù)的隨機(jī)投影,研究了CS與路由框架聯(lián)合恢復(fù)合成信號和實際傳感器數(shù)據(jù)兩種不同信號的表現(xiàn)。結(jié)果顯示，對于合成信號，當(dāng)采用CS時，重構(gòu)效果在中心節(jié)點得到增強(qiáng);然而在實際傳感器數(shù)據(jù)的重構(gòu)中不能很好地體現(xiàn)。并指出，進(jìn)一步調(diào)研信號表示和路由，使CS能夠在實際WSNs部署中更好地發(fā)揮性能。

參考文獻(xiàn)[21]指出，傳統(tǒng)的CS應(yīng)用常常受制于由密集測量值產(chǎn)生的巨量傳輸成本。為了解決上述問題，提出幾種采用基于CS的稀疏測量值改善的隨機(jī)路由方法，用于有效的數(shù)據(jù)采集與典型WSNs環(huán)境中，不同網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)相一致，并分析與現(xiàn)有數(shù)據(jù)采集框架相比較的相關(guān)性能。獲取的實驗結(jié)果表明，所提出的框架對信號重構(gòu)和減少路由能量損耗非常有效。

研究可知，壓縮感知應(yīng)用于無線傳感器網(wǎng)絡(luò)在國外已經(jīng)有不少的論文研究，主要關(guān)注于降低WSNs中傳感器節(jié)點的能量損耗，從而獲得更長久的生存周期，涉及到信號或數(shù)據(jù)采集、數(shù)據(jù)傳輸與路由、數(shù)據(jù)融合、信號重構(gòu)等方面。但是上述數(shù)據(jù)傳輸?shù)难芯慷际腔跓o外界影響的理想情況下的，當(dāng)出現(xiàn)惡意攻擊者時，容易出現(xiàn)數(shù)據(jù)丟失、截取、篡改等問題，這給數(shù)據(jù)安全帶來了極大的麻煩，特別是在一些機(jī)密數(shù)據(jù)的傳輸中。通過調(diào)研發(fā)現(xiàn)，對于WSNs中利用壓縮感知對數(shù)據(jù)進(jìn)行隱秘傳輸和重構(gòu)在國內(nèi)外研究較少，因此，如何在減少能量損耗的同時對數(shù)據(jù)進(jìn)行隱秘傳輸是一個需要迫切研究的問題。

3 總結(jié)與展望

將壓縮感知理論應(yīng)用于無線傳感器網(wǎng)絡(luò)中，能夠在較大程度上減少信號采集、傳輸和重構(gòu)中的能量損耗，提高傳感器節(jié)點的生存周期。對此，國外的理論研究已經(jīng)相對成熟，但是隨著無線傳感器網(wǎng)絡(luò)的發(fā)展，數(shù)據(jù)安全成為日益關(guān)注的問題，目前的大多數(shù)對于壓縮傳感應(yīng)用于WSNs的研究側(cè)重點都在于數(shù)據(jù)的有效采集和傳輸，而對于實現(xiàn)無線傳感器網(wǎng)絡(luò)環(huán)境數(shù)據(jù)安全隱秘的傳輸和重構(gòu)的論述較少，國內(nèi)外鮮有對其論述的文獻(xiàn)。因此，如何給出有效的基于壓縮感知的WSNs安全數(shù)據(jù)傳輸模型是將來一個重要的研究方向。此外，在壓縮傳感域?qū)o線傳感器網(wǎng)絡(luò)中的數(shù)據(jù)進(jìn)行融合處理是另一個重要研究領(lǐng)域[22]。

參考文獻(xiàn)

[1]AKYILDIZ L F,SU W L.A survey on sensor networks[J].IEEE Communications Magazine,2002,40(8):102-114.

[2]崔遜學(xué),左從菊.無線傳感器網(wǎng)絡(luò)簡明教程[M].北京:清華大學(xué)出版社,2009.

[3]DAVID L D.Compressed sensing[J].IEEE Transactions on Information Theory,2006,52(4):1289-1306.

[4]CANDèS E,ROMBERG J,TAO T.Robust uncertainty principles:exact signal reconstruction from highly incomplete frequency information[J].IEEE Transactions on Information Theory,2006,52(2):489-509.

[5]CANDèS E.Compressive sampling[C].In:Proceedings of International Congress of Mathematicians.Madrid,Spain:European Mathematical Society Publishing House,2006：1433-1452.

[6]BARANIUK R G.Compressive sensing[J].IEEE Signal Processing Magazine,2007,24(4):118-121.

[7]肖湘蓉,孫星明,陳明剛.基于信息隱藏的傳感器網(wǎng)絡(luò)數(shù)據(jù)安全傳輸[J].計算機(jī)科學(xué)，2007,34(9):142-147.

[8]DEB B,BHATNAGAR S,NATH B.Information assurance in sensor networks[C].In:WSNA’03,San Diego,California,USA,September 2003:160-168.

[9]Xue Qi,GANZ A.Runtime security composition for sensor network(secure sense)[C].In:2003 IEEE 58th Vehicular Technology Conference(VTC 2003-Fall),2003(5):2976-2980.

[10]ALSAKIB K P,TRAN T D,CHONG S H.A key management scheme with encoding and improved security for wireless sensor networks[C].In:ICDCIT,2006:102-115.

[11]孫利民.無線傳感器網(wǎng)絡(luò)[M].北京:清華大學(xué)出版社,2005.

[12]高藝.能源自給低功耗無線傳感器網(wǎng)絡(luò)關(guān)鍵技術(shù)研究[D].天津：南開大學(xué)，2010.

[13]MAJUMDAR A,WARD R K.Compressed sensing of color images[J].Signal Processing,2010:3122-3127.

[14]Li Li,Li Jian.Research of compressed sensing theory in WSN data fusion[C].2011 Fourth International Symposium on Computational Intelligence and Design(ISCID).2011:125-128.

[15]Liu Xiang,Luo Jun,VASILAKOS A.Compressed data aggregation for energy efficient wireless Sensor networks[C].2011 8th Annual IEEE Communications Society Conference on Sensor,Mesh and Ad Hoc Communications and Networks,2011:46-54.

[16]Liu Xiang,Luo Jun,VASILAKOS A.Does compressed sensing improve the throughput of wireless sensor networks[C].2010 IEEE International Conference on Communications(ICC),2010:1-6.

[17]Chen Wei,WASSELL I J.Energy efficient signal acquisition via compressive sensing in wireless sensor networks[C].2011 6th International Symposium on Wireless and Pervasive Computing(ISWPC),2011:1-6.

[18]MASIERO R,QUER G,ROSSI M,et al.A Bayesian analysis of compressive sensing data recovery in wireless sensor networks[C].International Conference on Ultra Modern Telecommunications&Workshops,2009:1-6.

[19]QUER G,ZORDAN D,MASIERO R,et al.WSN-control:signal reconstruction through compressive sensing in wireless sensor networks[C].2010 IEEE 35th Conference on Local Computer Networks(LCN),2010:921-928.

[20]QUER G,MASIERO R,MUNARETTO D,et al.On the interplay between routing and signal representation for compressive sensing in wireless sensor networks[C].Information Theory and Application Workshop,2009:206-215.

[21]Wang Xiao,Zhao Zhifeng,Xia Yu,et al.Compressed sensing for efficient random routing in multi-hop wireless sensor networks[C].2010 IEEE GLOBECOM Workshops,2010:266-271.

[22]DAVENPORT M A,WAKIN M B.Signal processing with compressive measurements[J].IEEE Journal of Selected Topics in Signal Processing,2010,4(2):445-460.