[发明专利]一种基于L_p动态范数的压缩感知数据收集方法

权利要求书

1.一种基于动态范数的压缩感知数据收集方法，其特征在于，所述方法包括如下步骤：

步骤一、在多个信源周围布置若干无线传感器节点，将距离每个信源位置最近的传感器节点确定为簇头，以各个簇头为中心对所述无线传感器网络中的传感器节点进行分簇；

步骤二、生成高斯随机矩阵，采集每个簇中的数据，确定需要的测量数；

步骤三、网络中的每个传感器节点发送自身数据的加权到簇头节点，簇头节点根据得到的数据特征采用基于范数的重构算法进行信号的重构，依残差检测出数据的稀疏度；

步骤四、依重构误差，动态更新值，继续重构信号，直至达到精度要求。

2.一种基于动态范数的压缩感知数据收集方法，其特征在于，网络中的每个传感器节点发送自身数据的加权到簇头节点，簇头节点根据得到的数据特征采用基于范数的重构算法进行信号的重构，依残差检测出数据的稀疏度，至少还包括如下步骤：

1）初始化，集合，对于输入的原始信号，令初始稀疏度，测量矩阵为高斯随机矩阵；

2）簇头节点接收观测向量，并利用基于范数的重构算法解出原始信号的估计信号 ；

3）计算，即计算，其中表示的列向量,，选取中从大到小的个元素，元素对应的列序号构成集合，令；

4）判断重构误差，动态更新值，并且更新稀疏度值，令；

5）继续重构信号，直至达到精度要求，则输出检测结果，否则返回3），其中表示第次的原始信号的估计，为检测得到的数据稀疏度；

6）依据测量集合中元素的降序，对的观测集排序，排序之后仍记为，从由后往前逐步剔除其元素，直至保证中剩余的元素能完全重构出信号。

3.一种基于动态范数的压缩感知数据收集方法，其特征在于，簇头节点接收观测向量，并利用基于范数的重构算法解出原始信号的估计信号 ，至少还包括如下步骤：

1）初始化，利用()范数计算

；

2）设置循环变量，；

3）对，计算和,这里是一个对角元素为的对角矩阵，即。

4.一种基于动态范数的压缩感知数据收集方法，其特征在于，依重构误差，动态更新值，继续重构信号，直至达到精度要求，至少还包括如下步骤：

1）计算误差；

2）若大于给定的精度，依均方误差调节值大小和，即： ,，并且转权2中的步骤2），这里是一个常数因子，用来控制近似梯度迭代下降的步长，其中，近似梯度定义为：，否则结束。