基于壓縮感知地質(zhì)災(zāi)害監(jiān)測(cè)系統(tǒng)研究

孫鐵強(qiáng)+韓亞楠+郭勃巍

摘要：對(duì)各類地質(zhì)災(zāi)害產(chǎn)生的監(jiān)測(cè)一直是我國研究的主要方向和內(nèi)容。目前我國已將無線傳感網(wǎng)絡(luò)應(yīng)用于地質(zhì)災(zāi)害的監(jiān)測(cè)過程中，通過信息采集以及實(shí)時(shí)監(jiān)測(cè)，降低損失。然而，在監(jiān)測(cè)系統(tǒng)中，存在數(shù)據(jù)傳輸量大和功率損耗大的問題。壓縮感知作為新興的理論，收到廣大研究人員的關(guān)注。該文在前人算法研究基礎(chǔ)上，通過對(duì)壓縮感知理論和重構(gòu)算法的分析研究，提出基于自適應(yīng)子空間追蹤算法，通過逐次增加迭代向量，進(jìn)行小范圍數(shù)據(jù)更替，實(shí)現(xiàn)了稀疏度的預(yù)估計(jì)。仿真實(shí)驗(yàn)證明，該文算法能夠較精確的重構(gòu)復(fù)雜的原始信號(hào)。在保證算法精度的同時(shí)，減少數(shù)據(jù)冗余，加快傳輸效率。

關(guān)鍵詞：地質(zhì)災(zāi)害；無線傳感器網(wǎng)絡(luò)；壓縮感知；重構(gòu)算法

中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2017）28-0246-02

Abstract：The monitoring of various types of geological disasters has always been the main direction and content of our research. At present， China has wireless sensor network used in the monitoring process of geological disasters， through information collection and real-time monitoring， reduce losses. However， in the monitoring system， there is a problem that the data transmission amount is large and the power loss is large. Compressed perception as a new theory， received the attention of the majority of researchers. Based on the research of predecessor algorithm， this paper proposes an adaptive subspace tracking algorithm Based on the analysis of compression perception theory and reconstruction algorithm. By increasing the iterative vector successively， the small-scale data replacement is carried out to realize the prediction of sparseness The The simulation results show that the proposed algorithm can reconstruct the complex original signal accurately， reduce the data redundancy and speed up the transmission efficiency while ensuring the accuracy of the algorithm.

Key words：Geological disaster； wireless sensor network； compression perception； reconstruction algorithm

雖然目前我國的地質(zhì)災(zāi)害監(jiān)測(cè)已經(jīng)取得了一定的成績(jī)，但我國面臨的地質(zhì)災(zāi)害影響仍然十分嚴(yán)重[1]，因此，仍然需要不斷加強(qiáng)對(duì)地質(zhì)災(zāi)害的監(jiān)測(cè)和預(yù)防，減輕人員傷亡和經(jīng)濟(jì)財(cái)產(chǎn)損失。2014年無錫市國土局對(duì)監(jiān)測(cè)預(yù)警系統(tǒng)研究，實(shí)現(xiàn)了滑坡的全天候監(jiān)測(cè)和短信預(yù)警[2]；鄭鋒凱等人的將無線傳感器網(wǎng)絡(luò)應(yīng)用于災(zāi)害監(jiān)測(cè)，較好地實(shí)現(xiàn)了災(zāi)害監(jiān)測(cè)[3]；余修武等人將無線傳感器網(wǎng)絡(luò)應(yīng)用于滑坡地質(zhì)災(zāi)害監(jiān)測(cè)預(yù)警系統(tǒng)的研究中，實(shí)現(xiàn)了監(jiān)測(cè)數(shù)據(jù)的自動(dòng)采集和可靠傳輸[4]。壓縮感知相比普通壓縮技術(shù)更好實(shí)現(xiàn)高壓縮率，減少內(nèi)存。壓縮感知可以從少量數(shù)據(jù)中較好的恢復(fù)出原始信號(hào)，因此將壓縮感知理論運(yùn)用于監(jiān)測(cè)系統(tǒng)是可行的。而貪婪算法中，如BP算法測(cè)量較少[5]；OMP算法計(jì)算速度快[6]。

本文針對(duì)信號(hào)重構(gòu)過程中需要找到由觀測(cè)矩陣中不多于K個(gè)列向量組成的子空間，優(yōu)化了壓縮感知算法重構(gòu)算法，在改進(jìn)算法中實(shí)現(xiàn)稀疏度K的估計(jì)，提高運(yùn)算效率。同時(shí)針對(duì)算法中迭代次數(shù)及算法精度問題，增加迭代向量，實(shí)現(xiàn)更小范圍數(shù)據(jù)更替，在減少運(yùn)算復(fù)雜度的同時(shí)保證算法的重構(gòu)精度。在監(jiān)測(cè)系統(tǒng)中實(shí)現(xiàn)數(shù)據(jù)有效傳遞和傳輸數(shù)據(jù)量的降低，提高網(wǎng)絡(luò)存活時(shí)間。

1 壓縮感知理論

3 仿真實(shí)驗(yàn)

在地質(zhì)災(zāi)害監(jiān)測(cè)系統(tǒng)中，它的每個(gè)節(jié)點(diǎn)都需要去感知采集數(shù)據(jù)。首先要監(jiān)測(cè)各個(gè)節(jié)點(diǎn)，將監(jiān)測(cè)數(shù)據(jù)在首節(jié)點(diǎn)進(jìn)行融合，然后壓縮為一個(gè)數(shù)據(jù)包。然后進(jìn)行節(jié)點(diǎn)之間的傳送。最后將受到的數(shù)據(jù)包利用壓縮感知重構(gòu)算法進(jìn)行重建。下面對(duì)一部分采集數(shù)據(jù)進(jìn)行實(shí)驗(yàn)恢復(fù)。下面對(duì)一組數(shù)據(jù)進(jìn)行重建成功率，與原始信號(hào)差值，重建的均方誤差方面進(jìn)行分析。

由圖1可知，x軸為信噪比數(shù)值大小，Y軸表示均方誤差，SPM算法在信噪比較小的情況下，重構(gòu)效果優(yōu)于其他三種算法。當(dāng)SNR較大時(shí)，噪聲信號(hào)比重較小，本文算法相較于OMP， CoSaMP算法優(yōu)勢(shì)明顯?？梢?，SPM算法對(duì)能夠較全面地從含噪聲信號(hào)中提取有用信息，實(shí)現(xiàn)信號(hào)的精確重建。

為了準(zhǔn)確驗(yàn)證算法有效性，重復(fù)多次執(zhí)行重構(gòu)算法，得到圖2。x軸為稀疏度值；y軸表示重構(gòu)成功率。從上圖2中曲線可得，信號(hào)重構(gòu)在不同稀疏度情況下，準(zhǔn)確率不同。算法重建的成功率隨著稀疏度的增加，整體呈逐漸下降趨勢(shì)，當(dāng)K/N=0.25時(shí)，上述算法的成功率下降明顯，然而與其他算法相比，SPM算法的成功率仍有96%，具有巨大優(yōu)越性。endprint

4 總結(jié)

我國地域遼闊，在近年來地質(zhì)災(zāi)害頻發(fā)，時(shí)刻威脅人民群眾的生命財(cái)產(chǎn)安全問題，目前國內(nèi)外學(xué)者針對(duì)地質(zhì)災(zāi)害監(jiān)測(cè)做了大量的工作，本文在前人研究基礎(chǔ)上，針對(duì)監(jiān)測(cè)數(shù)據(jù)壓縮問題進(jìn)行改進(jìn)，實(shí)驗(yàn)仿真表明SPM算法能夠較精確的重構(gòu)復(fù)雜原始信號(hào)，在保證算法精度的同時(shí)，減少數(shù)據(jù)冗余，加快傳輸，較好的保持了運(yùn)算效率，節(jié)約存儲(chǔ)空間，引入壓縮感知算法的思想對(duì)重構(gòu)算法能量消耗也有著巨大改進(jìn)。然而算法在運(yùn)算的效率上與其他算法相比仍有很大的提高空間。

參考文獻(xiàn)：

[1] 姬怡微，李永紅，向茂西，等.陜西秦嶺南麓316國道沿線地質(zhì)災(zāi)害防治對(duì)策研究[J].災(zāi)害學(xué)，2015 （2）：199-204.

[2] 田紅保，王強(qiáng).基于智慧物聯(lián)的地質(zhì)災(zāi)害易發(fā)區(qū)監(jiān)測(cè)預(yù)警系統(tǒng)研究[J].國土資源信息化2015 （4）：43-46.

[3] 鄭鋒凱.無線傳感器網(wǎng)絡(luò)在地震區(qū)山地災(zāi)害監(jiān)測(cè)中的應(yīng)用研究田].太原理工大學(xué)，2010.

[4] 余修武，余員琴，江珊.基于無線傳感器網(wǎng)絡(luò)的滑坡地質(zhì)災(zāi)害預(yù)警監(jiān)測(cè)系統(tǒng)研究[J].南華大學(xué)學(xué)報(bào)：自然科學(xué)版，2014（01）：34-39.

[5] Heinzelman W R. Chandrakasan A， Balakrishnan H. An application-specific protocol architecture for wireless microsensor networks[J]. IEEE Trans on Wireless Communications， 2002，1（4）：660-670.

[6] I. Daubechies M， Defrise， C. De Mol. An iterative thresholding algorithm for linear inverse problems with a sparsity constraint[J]. Comm. Pure Appl.Math.2004，57（11）：1413-1457.

[7] Candes E J，Romberg J，Tao T.Robust uncertainty principles：Exact signal reconstruction from highly incomplete frequency information [J].Information Theory，IEEE Transactions on，2006，52（2）：489-509.

[8] Dai W， Milenkovic O. Subspace pursuit for compressive sensing signal reconstruction[J]. IEEE Transactions on Information Theory， 2009， 55（5）：2230-2249.

[9] 普晶晶.壓縮感知算法及其在矢量量化中的應(yīng)用田].南京郵電大學(xué)，2012.endprint