针对无线传感网中分布式数据收集及应用,采用分布式压缩感知理论中的JSM-1(joint sparse model-1)模型,提出了一种基于Jacobi ADMM(alternating direction method of multipliers)的分布式压缩感知数据重构算法.该算法通过在簇头节点间...针对无线传感网中分布式数据收集及应用,采用分布式压缩感知理论中的JSM-1(joint sparse model-1)模型,提出了一种基于Jacobi ADMM(alternating direction method of multipliers)的分布式压缩感知数据重构算法.该算法通过在簇头节点间交换公共信息以挖掘关联数据集的公共部分,并在各个簇头节点内部更新各自的独立部分,从而实现无线传感网中相关感知数据的分布式压缩重构.首先,将无线传感网中的数据收集问题抽象为一个分布式优化问题.然后,为了能够有效地解决分布式计算过程中产生的不收敛问题,在优化目标函数中引入了近似项,从而使得子优化问题具有严格凸性,并利用交替方向乘子法求解压缩感知数据的重构问题.最后,分别利用合成数据集和真实数据集进行验证.实验结果表明:与现有其他数据重构算法相比,基于Jacobi ADMM的分布式压缩感知数据重构算法具有更高的数据重构精度.展开更多
文摘针对无线传感网中分布式数据收集及应用,采用分布式压缩感知理论中的JSM-1(joint sparse model-1)模型,提出了一种基于Jacobi ADMM(alternating direction method of multipliers)的分布式压缩感知数据重构算法.该算法通过在簇头节点间交换公共信息以挖掘关联数据集的公共部分,并在各个簇头节点内部更新各自的独立部分,从而实现无线传感网中相关感知数据的分布式压缩重构.首先,将无线传感网中的数据收集问题抽象为一个分布式优化问题.然后,为了能够有效地解决分布式计算过程中产生的不收敛问题,在优化目标函数中引入了近似项,从而使得子优化问题具有严格凸性,并利用交替方向乘子法求解压缩感知数据的重构问题.最后,分别利用合成数据集和真实数据集进行验证.实验结果表明:与现有其他数据重构算法相比,基于Jacobi ADMM的分布式压缩感知数据重构算法具有更高的数据重构精度.
