基于压缩感知的数据收集算法在能量受限、数据冗余的无线传感网中有巨大的应用潜力,现有研究大多假定无线链路理想.通过实验说明,有损链路丢包会严重影响压缩感知数据收集算法的数据重构质量.提出了一种基于重传与时间序列相关性预测(CS...基于压缩感知的数据收集算法在能量受限、数据冗余的无线传感网中有巨大的应用潜力,现有研究大多假定无线链路理想.通过实验说明,有损链路丢包会严重影响压缩感知数据收集算法的数据重构质量.提出了一种基于重传与时间序列相关性预测(CS data gathering based on retransmission and time series correlation prediction,简称CS-RTSC)的数据收集算法,将有损链路上的丢包建模为随机丢包和块状丢包,设计了基于滑动窗统计的丢包类型预判算法,在检测到链路丢包时判断丢包类型,对随机丢包采用重传恢复,对块状丢包设计了基于时间序列相关性预测算法恢复.仿真结果表明:该算法能够有效降低有损链路丢包对CS数据收集的影响;在网络丢包率达到30%时,CS数据重构的相对误差仅比理想链路下的CS相对重构误差高0.1%.展开更多
传统的MUSIC超分辨时延估计技术是直接基于测量数据,其性能往往只对宽带且频谱近似平坦的信号较优,而对窄带信号估计性能较差。针对上述问题,本文通过利用谐波频率估计模型和DOA(Direction of Arrival)估计模型之间的等价性,将时延估计...传统的MUSIC超分辨时延估计技术是直接基于测量数据,其性能往往只对宽带且频谱近似平坦的信号较优,而对窄带信号估计性能较差。针对上述问题,本文通过利用谐波频率估计模型和DOA(Direction of Arrival)估计模型之间的等价性,将时延估计问题转化为谐波频率估计问题,提出了一种改进SSMUSIC(Signal Subspace Scaled Multiple Signal Classification)超分辨多径时延估计算法。改进后的算法采用平滑的思想和SSMUSIC算法的思想构造协方差矩阵和MUSIC谱,实现了对多径时延的超分辨估计。仿真表明,该算法能够实现对窄带信号多径时延超分辨估计且具有DP(Direct-Path)不模糊和谱峰陡峭的特点,估计性能优于传统的超分辨算法。展开更多
文摘基于压缩感知的数据收集算法在能量受限、数据冗余的无线传感网中有巨大的应用潜力,现有研究大多假定无线链路理想.通过实验说明,有损链路丢包会严重影响压缩感知数据收集算法的数据重构质量.提出了一种基于重传与时间序列相关性预测(CS data gathering based on retransmission and time series correlation prediction,简称CS-RTSC)的数据收集算法,将有损链路上的丢包建模为随机丢包和块状丢包,设计了基于滑动窗统计的丢包类型预判算法,在检测到链路丢包时判断丢包类型,对随机丢包采用重传恢复,对块状丢包设计了基于时间序列相关性预测算法恢复.仿真结果表明:该算法能够有效降低有损链路丢包对CS数据收集的影响;在网络丢包率达到30%时,CS数据重构的相对误差仅比理想链路下的CS相对重构误差高0.1%.
文摘传统的MUSIC超分辨时延估计技术是直接基于测量数据,其性能往往只对宽带且频谱近似平坦的信号较优,而对窄带信号估计性能较差。针对上述问题,本文通过利用谐波频率估计模型和DOA(Direction of Arrival)估计模型之间的等价性,将时延估计问题转化为谐波频率估计问题,提出了一种改进SSMUSIC(Signal Subspace Scaled Multiple Signal Classification)超分辨多径时延估计算法。改进后的算法采用平滑的思想和SSMUSIC算法的思想构造协方差矩阵和MUSIC谱,实现了对多径时延的超分辨估计。仿真表明,该算法能够实现对窄带信号多径时延超分辨估计且具有DP(Direct-Path)不模糊和谱峰陡峭的特点,估计性能优于传统的超分辨算法。
