基于壓縮感知理論的WSN微震源定位節點設計

，，，，

(中北大學 信息探測與處理技術研究所，太原 030051)

基于壓縮感知理論的WSN微震源定位節點設計

邵云峰，韓焱，李劍，史策，張敏

(中北大學 信息探測與處理技術研究所，太原 030051)

提出了一種基于壓縮感知的WSN微震源數據壓縮算法。利用WSN微震信息的可稀疏化表示，設計出與稀疏基相關性低的稀疏觀測矩陣，保證了壓縮數據的可重構性，介紹了整個WSN微震源定位節點的系統設計，包括采集、存儲以及無線傳輸方式等。將該壓縮感知算法在硬件系統中實現，可利用較少的數據采集實現微震源定位，從而大大提高了存儲、采集及WSN的效率。實驗結果表明，該算法的硬件實現在保證微震信息完整性的基礎上，數據壓縮率達到60%，具有十分重要的研究意義。

壓縮感知;微震源定位;硬件實現;無線傳感器網絡

引 言

地下炸點定位是微震源信息探測定位常用的研究方法。微震源信息探測是通過分布式傳感器采集不同地點震動到達時間、能量波方向等信息來確定震源的空間坐標和發震時刻。無線傳感器網絡節點分布式采集震動信息是比較常用的監測方式，但該方式現存在比較大的缺陷，如采集震動信息量較大，無線傳感器網絡生命期短，無線傳輸速度小等。

為此，本文創新性地提出在采集前端利用壓縮感知算法由硬件實現，在采集少量數據的情況下它能重構原始信號。假設維度N為采集數據x可以線性投影到稀疏基s(稀疏系數為K)上，即X=&s，通過構造維度為N×N觀察矩陣&，其中M<

Min||s||1subject to y=&*s

(1)

該方法區別于傳統的微震源定位數據壓縮：

① 傳統的微震源定位數據壓縮主要集中在數據壓縮，無法達到實時壓縮；本文提出的壓縮感知計算量主要在信號重構端。

② 傳統的微震源定位數據壓縮是發生在數據存儲以后進行數據壓縮；本文提出的算法方式集中在前端采集時，對數據進行欠抽樣稀疏采樣，使節點存儲能力得到緩解。

1 無線傳感器網絡微震源節點設計

1.1 無線傳感器網絡布設

無線傳感器網絡系統如圖1所示，主要由以下幾部分構成：無線傳感器微震采集節點、無線AP、無線網橋、后臺接收PC。無線AP覆蓋采集區域，前端采集節點實時壓縮數據并將數據通過無線AP及無線網橋傳輸至5 km以外的PC后臺接收端進行重構原始信號及微震源定位。

圖1 無線傳感器網絡整體規劃圖

1.2 微震源節點硬件設計結構

無線傳感器網絡中微震源節點硬件設計結構如圖2所示，主控制器采用了內含DSP庫的STM32F407ZET6，前端采集由震動傳感器及A/D轉換器構成，存儲為FLASH陣列結構，通過SPI總線與以太網芯片W5500及MINI無線路由器構成無線通信方式，將采集壓縮后的數據傳輸至后臺處理端。

圖2 微震源節點硬件設計結構圖

圖3 微震源節點硬件實物圖

基于WSN的微震源定位節點根據硬件架構圖設計出原理圖并繪制PCB板是整個設計的硬件基礎,經焊接調試后，系統節點設計實物圖如圖3所示。

2 壓縮感知理論研究關鍵技術

2.1 信號的稀疏表示

壓縮感知理論的前提是原始信號必須在某一個正交變化空間具有稀疏性[1]。對于任意長度為N的信號X，可通過最佳的稀疏基Ψ實現信號X的稀疏表示(見式2)。

Shippers’ Port Choice in Terms of Customer Satisfaction

其中，Ψ是稀疏基，Θ是X投影在稀疏基Ψ下的系數向量，并且滿足：

如果在向量Θ中非零系數的個數比N小很多，則表明信號是可以壓縮的。如何在向量Θ中非零系數個數為K，其他的系數均為零，那么就稱信號是K-稀疏(K-Sparse)。

2.2 信號的觀測矩陣

在得到原始信號的稀疏變換Φ=ΨTX之后，跟傳統的奈奎斯特采樣不同，壓縮感知是通過設計觀測矩陣(或感知矩陣)來完成對信號的采樣，設計測量矩陣需要綜合考慮到信號的稀疏域(或者稀疏變換矩陣)[2]。在編碼端，通過測量矩陣對一個信號進行壓縮觀測，將信號由高維(N維),空間投影到低維(M維)空間，從而得到含有 M 個測量值的向量。在解碼端，再利用信號的稀疏特性，利用一定的優化算法從測量值向量Y中精確重構出長度為N的原始信號X或者信號 X在稀疏基Ψ下的系數Φ[3]。

式中：ACS為隨機投影矩陣。

圖4 信號的壓縮測量直觀圖

在信號測量過程中必須盡可能地保留原始信號X所攜帶的信息，否則信號的重構無法完成。信號的壓縮測量用圖形直觀化的表示，如圖4所示。

2.3 信號的重構

信號重構就是將壓縮的M個測量值經過算法重構出長度為N的稀疏信號的過程。重構算法的優劣決定重構的精確性及算法效率，也是壓縮感知理論的核心部分。

最小化L1范數下求解具有唯一性和穩定性等優點，對信號重構具有十分重要的意義。范數問題的求解方法主要包括三類：凸松弛法、貪婪追蹤法以及迭代閾值法[5]。

3 基于壓縮感知的采集數據壓縮處理

3.1 基于壓縮感知的壓縮處理

本文中數據來源為微震信息探測數據，采樣頻率為10 kHz的震動信號，以512個數據為單元進行數據壓縮。其X為一維信號，N為512，通過基變化，發現此信號在高斯分布轉換下，具有稀疏性，稀疏度K為9，并引入觀測矩陣M×N,得到觀測向量為Y。

該壓縮可使得存儲時僅需要在512 個數據的基礎上壓縮后進行N為130元素的一維向量存儲，并待數據采集完后作進一步的處理及無線傳輸至后臺終端進行信號的重構和恢復。

3.2 壓縮感知算法在硬件中的實現

本文使用的基于壓縮感知理論數據運算需要高速率處理的硬件系統與之相匹配，因此選用內含DSP核的ARM芯片，使該算法的高速運算硬件化成為可能。其硬件實現結構框圖如圖5所示。

圖5 壓縮感知算法在硬件系統中實現過程

圖6 數據轉化流程圖

圖5中核心單元為壓縮感知算法的硬件實現。數據轉化硬件化主要是實現壓縮感知理論中的前期數據采集壓縮變化的過程和數據的稀疏化操作。在上一節中已闡述到數據的稀疏是由隨機變換矩陣變換得到的[6]。而在硬件模塊中只需將該稀疏矩陣提取使用，即獲得稀疏基。進而從SDRAM中讀出的數據，同樣是矩陣形式的表示方式，進行矩陣的乘積，獲得稀疏化的數據，也就是將數據在稀疏基上的投影。同理，稀疏化的數據還要經過觀測矩陣的觀測，也就是觀測矩陣與其乘積，提取稀疏基的系數[7]。而這樣的稀疏數據系數，其數據量將大大降低，存儲容量減少。最后，得到的數據將包含還原的必要信息。數據轉化流程圖如圖6所示。

將數據分批次輸入到模塊化處理單元中去，數據在同一個時鐘下依次輸入，當前單元的乘積數據存儲在當前存儲器中，再繼續下一個數據輸送和計算[8]。直到所有數據都進行過這樣的轉化后，最終得到的矩陣計算結果傳輸給存儲單元。

4 實驗驗證及重構算法評價

4.1 驗證方法

為了驗證壓縮感知算法的有效性及CoSaMP算法性能，本節給出了微震數據在壓縮感知采樣處理后的信號重構恢復后與原始信號的比較[9]。重構仿真環境為MATLAB2014a平臺，仿真步驟如下：

① 產生隨機高斯觀測矩陣Φ∈RM*N(均值為0，方差為1)；

② 獲得測量樣本值Y；

③ 使用上述壓縮感知算法進行重構；

4.2 重構算法重建仿真

首先，對原始信號未經壓縮處理直接作圖；其次，對經壓縮處理后的數據按照上述重構算法進行重構并與原始信號做對比。

4.3 重構誤差實驗與分析

由圖7可知，重構算法與原始信號呈線性相關關系，并且在每個點上差別比較小,誤差數量級在10-2數量級內。

圖7 恢復重構信號與原始信號比較

結 語

壓縮感知理論是數字信號處理的一個新領域，具有強大的生命力，對無線傳感器網絡中的數據壓縮及傳輸具有重大的影響。目前，壓縮感知理論的研究已取得了一些成果，但仍然存在大量的問題需要研究[10]。

[1] 羅浚溢,劉濤.基于壓縮感知的高動態范圍混合信號采樣方法研究[J].中國測試,2016,42(9):112-115.

[2] 張金成,呂方旭,王鈺,等.WSNs中的分簇式壓縮感知[J].儀器儀表學報,2014,35(1):169-177.

[3] D L Donoho.Compressed sensing[J].IEEE Trans.on Information Theory,2006,52(4):1289-1306.

[4] CANDES E J,TAO T.Near-optimal Signal Recovery from Random rojections;Universal Encoding Strategies[J].

WSNMicroseismicSourceLocationNodeDesignBasedonCompressionPerceptionTheory

ShaoYunfeng,HanYan,LiJian,ShiCe,ZhangMin

(Institute of Signal Capturing&Processing Technology,North University of China,Taiyuan 030051,China)

In the paper,a data compression algorithm for WSN microseismic source based on compressed sensing is proposed.Sparse representation of WSN microseismic information is used to design sparse observation matrix with low correlation between sparse bases,which ensures the reconfigurability of compressed data.The compressed sensing algorithm is implemented in the hardware module of WSN microseismic source location node system,which includes acquisition,storage and wireless transmission mode.The design is characterized by less data acquisition to achieve microseismic location,which greatly improves the efficiency of storage,collection and WSN.The experiment results show that the data compression rate of hardware implementation of this algorithm can reach 60% on the basis of ensuring integrity of microseismic information,and has great significance to related research.

compressive sensing;microseismic source localization;hardware implementation;wireless sensor networks

TP274

A