×
薛波;张玲华;朱伟平;于，杨

一种新的传感器选择方案，用于WSN中基于贝叶斯学习的稀疏信号恢复。 （英文） Zbl 1395.94181号

J.富兰克林研究所。 355，编号4，1798-1818（2018）.
摘要：本文研究了基于贝叶斯学习的无线传感器网络中稀疏信号恢复问题。我们首先提出了一个基于压缩感知（CS）的信号恢复问题，用于检测无线传感器网络中的稀疏事件。然后，从无线传感器网络的节能和通信开销减少的角度出发，通过使用MMSE估计器的均方误差（MSE）下限，我们开发了一种最优传感器选择算法。为了解决最优传感器选择问题的非凸困难，引入了凸松弛来获得次优解。同时考虑了不相关噪声和相关噪声，并提出了传感器选择算法的低复杂度实现。基于选定的传感器子集，利用稀疏贝叶斯学习（SBL）重构稀疏信号。仿真结果表明，与参考方法相比，我们提出的方法具有更好的性能。

引用于1文件

MSC公司：

94甲12 信号理论（表征、重建、滤波等）
68T05型 人工智能中的学习和自适应系统
90C25型 凸面编程

软件：

CVX公司;PDCO公司
PDF格式BibTeX公司 XML格式引用
\textit{B.Xue}等人，J.Franklin Inst.355，No.4，1798--1818（2018；Zbl 1395.94181）
全文： 内政部

参考文献：

[1] Alsheikh，医学硕士。；Lin，S。；Niyato博士。；Tan，H.P.，无线传感器网络中的机器学习：算法、策略和应用，IEEE Commun。Surv公司。导师。，16, 4, 1996-2018, (2014)
[2] 库尔卡尼，R.V。；福斯特，A。；Venayagamoorthy，G.K.，《无线传感器网络中的计算智能》，IEEE Commun。Surv公司。导师。，13, 1, 68-96, (2011)
[3] Kotecha，J。；拉马钱德兰，V。；Sayeed，A.，《无线传感器网络中的分布式多目标分类》，IEEE J.Sel。公共区域。，23, 4, 703-713, (2005)
[4] Barzerque，J。；Giannakis，G.，《利用稀疏性对认知无线电进行分布式频谱感知》，IEEE Trans。信号处理。，58, 3, 1847-1862, (2008) ·Zbl 1392.94010号
[5] 凌，Q。；田，Z。；Yin，Y。；Li，Y.，使用节能无线传感器网络进行局部结构健康监测，IEEE Sens.J.，9，11，1596-1604，（2009）
[6] 罗，C。；Wu，F。；Sun，J。；Chen，C.W.，大型无线传感器网络的压缩数据采集，第十五届移动计算与网络国际年会论文集，中国北京，145-156，（2009）
[7] 坎迪斯，E.J。；B.Wakin，M.，压缩采样简介，IEEE信号处理。Mag.，25，2，21-30（2008）
[8] 豪普特，J。；巴伊瓦，西部大学。；拉巴特，M。；Nowak，R.，《网络数据的压缩感知：分散压缩的不同方法》，IEEE信号处理。Mag.，25，2，92-101，（2008）
[9] Fazel，F。；法泽尔，M。；Stojanovic，M.，《能效水下传感器网络的随机访问压缩传感》，IEEE J.Sel。公共区域。，29, 9, 1660-1670, (2011)
[10] Pudlewski，S。；Melodia，T。；Prasanna，A.，用于无线多媒体传感器网络的压缩传感视频流，IEEE Trans。暴徒。计算。，11, 6, 1060-1072, (2012)
[11] 陈S.S。；Donoho，D.L。；桑德斯，M.A.，《基追踪原子分解》，SIAM Rev.，43，1，129-159，（2001）·Zbl 0979.94010号
[12] 卢·W。；Vaswani，N.，《利用部分错误支持和信号值知识进行噪声稀疏重建的正则化修改BPDN》，IEEE Trans。信号处理。，60, 1, 182-196, (2012) ·Zbl 1393.94346号
[13] Tropp，J.A。；Gilbert，A.C.，通过正交匹配追踪从随机测量中恢复信号，IEEE Trans。Inf.理论，53，12，4655-4666，（2007）·Zbl 1288.94022号
[14] 科特，S.F。；Rao，B.D。；Engan，K。；Kreutz-Delgado，K.，多测量向量线性反问题的稀疏解，IEEE Trans。信号处理。，53, 7, 2477-2488, (2005) ·Zbl 1372.65123号
[15] Donoho，D.L。；Maleki，A。；Montanari，A.，《压缩感知的消息传递算法》，《国家科学院学报》，10618914-18919，（2009）
[16] 拉尔森，E.G。；Selen，Y.，《稀疏参数向量线性回归》，IEEE Trans。信号处理。，55, 2, 451-460, (2007) ·Zbl 1391.62132号
[17] Tipping，M.，稀疏贝叶斯学习和相关向量机，J.Mach。学习。决议，1211-244，（2001）·Zbl 0997.68109号
[18] 维普夫·D。；Rao，B.，用于基础选择的稀疏贝叶斯学习，IEEE Trans。信号处理。，52, 8, 2153-2164, (2004) ·Zbl 1369.94318号
[19] 邱，K。；Dogandzic，A.，基于方差分量的稀疏信号重建和模型选择，IEEE Trans。信号处理。，58, 6, 2935-2952, (2010) ·Zbl 1392.94413号
[20] 张，Z。；王，S。；刘，D。；Jordan，M.I.，EP-GIG在贝叶斯稀疏学习中的先验和应用，J.Mach。学习。第13号、第1号、第2031-2061号决议（2012年）·Zbl 1432.68405号
[21] 维普夫·D。；Rao，B.D。；Nagarajan，S.，促进稀疏性的潜在变量贝叶斯模型，IEEE Trans。Inf.理论，57，9，6236-6255，（2011）·兹比尔1365.62103
[22] Buchgraber，T。；Shutin，D.，传感器网络的分布式变分稀疏贝叶斯学习，IEEE信号处理机器学习国际研讨会论文集，1-6，（2012）
[23] Wang，Y。；杨，A。；李，Z。；Chen，X.，使用稀疏贝叶斯学习对传感器网络进行盲漂移校准，IEEE Sens.J.，16，16，6249-6260，（2016）
[24] 薛，B。；张，L。；Yu，Y.，无线传感器网络中基于稀疏贝叶斯学习的多目标定位，IEICE Trans。社区。，E99-B，5，1093-1100，（2016）
[25] Joshi，S。；Boyd，S.，通过凸优化选择传感器，IEEE Trans。信号处理。，57, 2, 451-462, (2009) ·Zbl 1391.90679号
[26] 刘，L。；张，X。；Ma，H.，无线摄像机传感器网络中目标定位的最佳节点选择，IEEE Trans。车辆。Technol，59、7、3562-3576（2010）
[27] 克劳斯，A。；辛格，A。；Guestrin，C.，《高斯过程中的近最优传感器布置：理论、高效算法和实证研究》，J.Mach。学习。第9号决议，第235-284页，（2008年）·Zbl 1225.68192号
[28] 沙马亚，M。；班纳吉，S。；Vikalo，H.，《贪婪传感器选择：利用子模块》，IEEE第49届决策与控制会议（CDC）论文集，2572-2577，（2010）
[29] 拉涅利，J。；文森齐，A。；A.切比拉。；Atienza，D。；Vetterli，M.，《特征映射：多核处理器上最优热图提取和传感器布局的算法》，IEEE第49届设计自动化会议（DAC）论文集，636-641，（2012）
[30] 玲，Q。；Tian，Z.，《压缩休眠无线传感器网络的分散稀疏信号恢复》，IEEE Trans。信号处理。，58, 7, 3816-3827, (2010) ·Zbl 1392.94311号
[31] 黄，S。；Ran，R。；杨，J。；Kim，D.K.，无线传感器网络中的多元贝叶斯压缩感知，IEEE Sens.J.，16，7，2196-2206，（2016）
[32] Chen，W。；Wassell，I.J.，《压缩休眠无线传感器网络的优化节点选择》，IEEE Trans。车辆。技术。，65, 2, 827-836, (2016)
[33] 贾马利·拉德，H。；Simonetto，A。；马，X。；Leus，G.，分布式稀疏感知传感器选择，IEEE Trans。信号处理。，63, 22, 5951-5964, (2015) ·兹比尔1394.94252
[34] 刘，S。；Chepuri，S.P。；Fardad，M。；Masazade，E。；Leus，G。；Varshney，P.K.，相关测量噪声估计的传感器选择，IEEE Trans。信号处理。，64, 13, 3509-3522, (2015) ·Zbl 1414.94372号
[35] Elad，M。；Yavneh，I.，多个稀疏表示比最稀疏的IEEE Trans表示要好。Inf.理论，55，10，4701-4714，（2009）·Zbl 1367.94085号
[36] Shirazinia，A。；Dey，S.，噪声信道上功率约束稀疏高斯线性降维，IEEE Trans。信号处理。，63, 21, 5837-5852, (2015) ·Zbl 1394.94897号
[37] Ben-Haim，Z。；Eldar，Y.，估计稀疏参数向量的cramér-Rao界，IEEE Trans。信号处理。，58, 6, 3384-3389, (2010) ·Zbl 1391.62087号
[38] Kay，S.M.，《统计信号处理基础：估计理论》，（1993），新泽西州恩格伍德克利夫斯，美国：普伦蒂斯·霍尔·Zbl 0803.62002号
[39] 坎迪斯，E。；Wakin，M。；Boyd，S.，通过加权最小化增强稀疏性，J.Fourier Ana。申请。，14, 5-6, 877-905, (2008) ·兹比尔1176.94014
[40] Chepuri，S.P。；Leus，G.，《分布式检测的稀疏传感》，IEEE Trans。信号处理。，64, 6, 1446-1460, (2016) ·Zbl 1412.94027号
[41] 博伊德，S。；Vandenberghe，L.，凸优化，（2004），剑桥大学出版社·Zbl 1058.90049号
[42] 罗志强。；Yu，W.，通信和信号处理凸优化简介，IEEE J.Sel。公共区域。，24, 8, 1426-1438, (2006)
[43] Tzikas，D.G。；利卡斯，A.C。；Galatsanos，N.P.，贝叶斯推理的变分近似，IEEE信号处理。Mag.，25，6，131-146，（2008）
[44] 方，J。；沈毅。；李，F。；李，H。；Chen，Z.，支持压缩感知的知识辅助稀疏贝叶斯学习，IEEE声学、语音和信号处理国际会议论文集，3786-3790，（2015）
[45] M.Grant，S.Boyd，CVX:规范凸编程的Matlab软件，2.1版，2015网址：http://cvxr.com/; M.Grant，S.Boyd，CVX:规范凸编程的Matlab软件，2.1版，2015网址：http://cvxr.com/
[46] 彭，F。；Chen，B.，带相关加性噪声的分散估计：依赖总是意味着冗余吗？，《Asilomar信号、系统和计算机会议记录》，677-681，（2013）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。