• 中国精品科技期刊
  • CCF推荐A类中文期刊
  • 计算领域高质量科技期刊T1类
高级检索

基于Jacobi ADMM的传感网分布式压缩感知数据重构算法

李国瑞, 孟婕, 彭三城, 王聪

李国瑞, 孟婕, 彭三城, 王聪. 基于Jacobi ADMM的传感网分布式压缩感知数据重构算法[J]. 计算机研究与发展, 2020, 57(6): 1284-1291. DOI: 10.7544/issn1000-1239.2020.20190587
引用本文: 李国瑞, 孟婕, 彭三城, 王聪. 基于Jacobi ADMM的传感网分布式压缩感知数据重构算法[J]. 计算机研究与发展, 2020, 57(6): 1284-1291. DOI: 10.7544/issn1000-1239.2020.20190587
shu
Li Guorui, Meng Jie, Peng Sancheng, Wang Cong. A Distributed Data Reconstruction Algorithm Based on Jacobi ADMM for Compressed Sensing in Sensor Networks[J]. Journal of Computer Research and Development, 2020, 57(6): 1284-1291. DOI: 10.7544/issn1000-1239.2020.20190587
Citation: Li Guorui, Meng Jie, Peng Sancheng, Wang Cong. A Distributed Data Reconstruction Algorithm Based on Jacobi ADMM for Compressed Sensing in Sensor Networks[J]. Journal of Computer Research and Development, 2020, 57(6): 1284-1291. DOI: 10.7544/issn1000-1239.2020.20190587
shu
李国瑞, 孟婕, 彭三城, 王聪. 基于Jacobi ADMM的传感网分布式压缩感知数据重构算法[J]. 计算机研究与发展, 2020, 57(6): 1284-1291. CSTR: 32373.14.issn1000-1239.2020.20190587
引用本文: 李国瑞, 孟婕, 彭三城, 王聪. 基于Jacobi ADMM的传感网分布式压缩感知数据重构算法[J]. 计算机研究与发展, 2020, 57(6): 1284-1291. CSTR: 32373.14.issn1000-1239.2020.20190587
shu
Li Guorui, Meng Jie, Peng Sancheng, Wang Cong. A Distributed Data Reconstruction Algorithm Based on Jacobi ADMM for Compressed Sensing in Sensor Networks[J]. Journal of Computer Research and Development, 2020, 57(6): 1284-1291. CSTR: 32373.14.issn1000-1239.2020.20190587
Citation: Li Guorui, Meng Jie, Peng Sancheng, Wang Cong. A Distributed Data Reconstruction Algorithm Based on Jacobi ADMM for Compressed Sensing in Sensor Networks[J]. Journal of Computer Research and Development, 2020, 57(6): 1284-1291. CSTR: 32373.14.issn1000-1239.2020.20190587
shu

基于Jacobi ADMM的传感网分布式压缩感知数据重构算法

  • 1(东北大学计算机科学与工程学院 沈阳 110819)

  • 2(广东外语外贸大学语言工程与计算实验室 广州 510006) (lgr@neuq.edu.cn)

基金项目: 国家自然科学基金项目(61876205)；中央高校基本科研业务费专项资金(N172304022)；广州市科技计划项目(201804010433)；语言工程与计算实验室招标课题(LEC2017ZBKT001)
详细信息

  • 中图分类号: TP393

A Distributed Data Reconstruction Algorithm Based on Jacobi ADMM for Compressed Sensing in Sensor Networks

  • 1(School of Computer Science and Engineering, Northeastern University, Shenyang 110819)

  • 2(Laboratory of Language Engineering and Computing, Guangdong University of Foreign Studies, Guangzhou 510006)

Funds: This work was supported by the National Natural Science Foundation of China (61876205), the Fundamental Research Funds for the Central Universities (N172304022), the Science and Technology Plan Project of Guangzhou (201804010433), and the Bidding Project of Laboratory of Language Engineering and Computing (LEC2017ZBKT001).

摘要

    摘要
  • 摘要: 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.
    Abstract: Considering the application scenario of decentralized data collection in wireless sensor networks (WSNs), a distributed data reconstruction algorithm based on Jacobi ADMM (alternating direction method of multipliers) for compressed sensing is proposed by adopting the JSM-1 (joint sparse model-1) model in the distributed compressed sensing (DCS) theory. Through exchanging the common information among cluster heads to determine the common components in the correlated sensed data and update the innovation components in each cluster head, the compressed sensed data in WSNs are reconstructed in a distributed way. The data collection operation in wireless sensor networks is firstly abstracted as a distributed optimization problem. In order to avoid non-convergence in the distributed data reconstruction process, a proximal component is then introduced into the aforementioned optimization problem with the goal of converting the sub-problem of the optimization objective function into its strictly convex form. After that, the ADMM method is utilized to solve the data reconstruction problem. Both the synthetic dataset and the real world datasets are used in the experiments to verify the performance of the proposed algorithm. Experimental results show that the proposed data reconstruction algorithm can provide higher data reconstruction accuracy than the state of the art data reconstruction algorithms.
    • HTML全文
    • 参考文献(0)
    • 相关文章
    • 施引文献(24)

  • 期刊类型引用(12)

    1. 李晓静，杨秀杰. 云计算环境下多模态异构网络数据安全存储方法. 现代电子技术. 2025(06): 63-67 . 百度学术
    2. 李林，左天才，杜泽新，谢志奇. 基于LSM树的在线监测数据安全存储系统设计. 电子设计工程. 2024(07): 63-67 . 百度学术
    3. 闫丽飞，褚宇宁，赵维伟，何壮壮，刘晓强. 大规模非结构化数据资源快速存储方法研究. 集成电路与嵌入式系统. 2024(04): 77-81 . 百度学术
    4. 何博宇，潘洪志. 大数据环境下位置轨迹安全存储系统研究与实现. 电脑知识与技术. 2024(10): 77-80 . 百度学术
    5. 巢成，蒲非凡，许建秋，高云君. 基于空间位置关系的轨迹数据高效降维和查询算法. 计算机研究与发展. 2024(07): 1771-1790 . 本站查看
    6. 王芳，王建民，邵芬红. 多信道无线通信网络动态数据完整性存储仿真. 计算机仿真. 2024(07): 451-455 . 百度学术
    7. 张铠，黄晋，汪希. 基于区块链技术的网络信息安全访问控制方法. 信息技术与信息化. 2024(09): 197-200 . 百度学术
    8. 马明扬，杨洪勇，刘飞. 基于强化学习的双人博弈差分隐私保护研究. 复杂系统与复杂性科学. 2024(04): 107-114 . 百度学术
    9. 李玉光，郗海龙. 物联网异构数据库分层访问算法仿真. 计算机仿真. 2023(03): 490-493+498 . 百度学术
    10. 吕舰. 基于国密算法的网络通信传输数据安全存储方法. 长江信息通信. 2023(04): 171-174 . 百度学术
    11. 王辉，陈宇，申自浩，刘沛骞. 结合对比监督和排序树的轨迹数据差分隐私保护方案. 计算机工程与科学. 2023(10): 1797-1805 . 百度学术
    12. 王爱兵. 基于区块链的社区矫正系统数据分布式安全存储方法. 电脑知识与技术. 2023(28): 63-65 . 百度学术

    其他类型引用(12)

    • 资源附件(0)
计量
  • 文章访问数:  1001
  • HTML全文浏览量:  3
  • PDF下载量:  331
  • 被引次数: 24
出版历程
  • 发布日期:  2020-05-31

目录

摘要
HTML全文
    参考文献(0)
    相关文章
    施引文献(24)
    资源附件(0)

    /

    返回文章
    返回
    邮件订阅 RSS
    微信订阅号<br/>（实时资讯）

    微信订阅号
    （实时资讯）

    微信服务号<br/>（同步网站）

    微信服务号
    （同步网站）

    微信视频号<br/>（视频分享）

    微信视频号
    （视频分享）

    CCF<br/>（扫码入会）

    CCF
    （扫码入会）

    版权所有 © 《计算机研究与发展》编辑部

    本系统由北京仁和汇智信息技术有限公司开发  百度统计