孙铁强+韩亚楠+郭勃巍
摘要：对各类地质灾害产生的监测一直是我国研究的主要方向和内容。目前我国已将无线传感网络应用于地质灾害的监测过程中，通过信息采集以及实时监测，降低损失。然而，在监测系统中，存在数据传输量大和功率损耗大的问题。压缩感知作为新兴的理论，收到广大研究人员的关注。该文在前人算法研究基础上，通过对压缩感知理论和重构算法的分析研究，提出基于自适应子空间追踪算法，通过逐次增加迭代向量，进行小范围数据更替，实现了稀疏度的预估计。仿真实验证明，该文算法能够较精确的重构复杂的原始信号。在保证算法精度的同时，减少数据冗余，加快传输效率。
关键词：地质灾害；无线传感器网络；压缩感知；重构算法
中图分类号：TP311 文献标识码：A 文章编号：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
虽然目前我国的地质灾害监测已经取得了一定的成绩，但我国面临的地质灾害影响仍然十分严重[1]，因此，仍然需要不断加强对地质灾害的监测和预防，减轻人员伤亡和经济财产损失。2014年无锡市国土局对监测预警系统研究，实现了滑坡的全天候监测和短信预警[2]；郑锋凯等人的将无线传感器网络应用于灾害监测，较好地实现了灾害监测[3]；余修武等人将无线传感器网络应用于滑坡地质灾害监测预警系统的研究中，实现了监测数据的自动采集和可靠传输[4]。压缩感知相比普通压缩技术更好实现高压缩率，减少内存。压缩感知可以从少量数据中较好的恢复出原始信号，因此将压缩感知理论运用于监测系统是可行的。而贪婪算法中，如BP算法测量较少[5]；OMP算法计算速度快[6]。
本文针对信号重构过程中需要找到由观测矩阵中不多于K个列向量组成的子空间，优化了压缩感知算法重构算法，在改进算法中实现稀疏度K的估计，提高运算效率。同时针对算法中迭代次数及算法精度问题，增加迭代向量，实现更小范围数据更替，在减少运算复杂度的同时保证算法的重构精度。在监测系统中实现数据有效传递和传输数据量的降低，提高网络存活时间。
1 压缩感知理论
3 仿真实验
在地质灾害监测系统中，它的每个节点都需要去感知采集数据。首先要监测各个节点，将监测数据在首节点进行融合，然后压缩为一个数据包。然后进行节点之间的传送。最后将受到的数据包利用压缩感知重构算法进行重建。下面对一部分采集数据进行实验恢复。下面对一组数据进行重建成功率，与原始信号差值，重建的均方误差方面进行分析。
由图1可知，x轴为信噪比数值大小，Y轴表示均方误差，SPM算法在信噪比较小的情况下，重构效果优于其他三种算法。当SNR较大时，噪声信号比重较小，本文算法相较于OMP， CoSaMP算法优势明显。可见，SPM算法对能够较全面地从含噪声信号中提取有用信息，实现信号的精确重建。
为了准确验证算法有效性，重复多次执行重构算法，得到图2。x轴为稀疏度值；y轴表示重构成功率。从上图2中曲线可得，信号重构在不同稀疏度情况下，准确率不同。算法重建的成功率随着稀疏度的增加，整体呈逐渐下降趋势，当K/N=0.25时，上述算法的成功率下降明显，然而与其他算法相比，SPM算法的成功率仍有96%，具有巨大优越性。
4 总结
我国地域辽阔，在近年来地质灾害频发，时刻威胁人民群众的生命财产安全问题，目前国内外学者针对地质灾害监测做了大量的工作，本文在前人研究基础上，针对监测数据压缩问题进行改进，实验仿真表明SPM算法能够较精确的重构复杂原始信号，在保证算法精度的同时，减少数据冗余，加快传输，较好的保持了运算效率，节约存储空间，引入压缩感知算法的思想对重构算法能量消耗也有着巨大改进。然而算法在运算的效率上与其他算法相比仍有很大的提高空间。
参考文献：
[1] 姬怡微，李永红，向茂西，等.陕西秦岭南麓316国道沿线地质灾害防治对策研究[J].灾害学，2015 （2）：199-204.
[2] 田红保，王强.基于智慧物联的地质灾害易发区监测预警系统研究[J].国土资源信息化2015 （4）：43-46.
[3] 郑锋凯.无线传感器网络在地震区山地灾害监测中的应用研究田].太原理工大学，2010.
[4] 余修武，余员琴，江珊.基于无线传感器网络的滑坡地质灾害预警监测系统研究[J].南华大学学报：自然科学版，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.压缩感知算法及其在矢量量化中的应用田].南京邮电大学，2012.
