摘  要： 研究了壓縮感知在無線傳感器網(wǎng)絡數(shù)據(jù)處理方面的應用。介紹了壓縮感知技術(shù)和無線傳感器網(wǎng)絡的發(fā)展及研究現(xiàn)狀，并從數(shù)據(jù)融合、信號采集、信號路由傳輸以及信號重構(gòu)4個方面，對近年來基于壓縮感知的無線傳感器網(wǎng)絡數(shù)據(jù)處理研究進行了詳盡的分析，提出數(shù)據(jù)安全的重要性?？偨Y(jié)并展望了壓縮感知技術(shù)未來的研究方向。
關(guān)鍵詞： 壓縮感知; 無線傳感器網(wǎng)絡; 稀疏信號; 數(shù)據(jù)處理

    近年來，無線傳感器網(wǎng)絡[1-2]WSNs(Wireless Sensor Networks)的通信和協(xié)議設計已經(jīng)得到了廣泛的研究，它常應用于國防軍事、環(huán)境監(jiān)測、交通管理等諸多國際上備受關(guān)注的熱點研究領(lǐng)域中。然而,在無線傳感器網(wǎng)絡中，由于具有節(jié)點存儲容量與節(jié)點能量等資源受限的特征，如何降低采集的數(shù)據(jù)量，從而減少各個節(jié)點能量的消耗、增加網(wǎng)絡的通信容量、提高網(wǎng)絡的生存壽命，一直是研究的熱點。壓縮感知理論是針對稀疏或可壓縮信號，在采樣的同時即可對信號數(shù)據(jù)進行適當壓縮的新理論，這使其在信號處理領(lǐng)域有著突出的優(yōu)點和廣闊的應用前景。在數(shù)據(jù)采集和信號處理中，壓縮傳感理論突破了傳統(tǒng)香農(nóng)定理的局限性,通過改變數(shù)據(jù)采集模式，實現(xiàn)了傳統(tǒng)理論的進一步發(fā)展與創(chuàng)新；利用數(shù)據(jù)之間的相關(guān)性，極大地減少了網(wǎng)絡中數(shù)據(jù)的傳輸和存儲；結(jié)合適當?shù)穆酚蓞f(xié)議,改善了整個網(wǎng)絡的通信容量、延時以及網(wǎng)絡生存壽命等問題。
1 壓縮感知、無線傳感網(wǎng)絡研究現(xiàn)狀
1.1 壓縮感知理論
    壓縮感知CS(Compressive Sensing or Compressed Sensing)技術(shù)也稱為壓縮傳感或壓縮采樣，是近年來信號處理領(lǐng)域的一項新技術(shù)[3-6]。自從2006 年起有正式論文發(fā)表之后，迅速引起國內(nèi)外相關(guān)領(lǐng)域研究者的高度重視。該領(lǐng)域的先驅(qū)者是Terence Tao等[3-6]，其理論研究的重點主要集中在傳感矩陣選取和重構(gòu)算法的構(gòu)建兩大方面。短短的幾年時間，壓縮感知從自身理論到應用都得到了飛速的發(fā)展，成為熱點的研究方向，被廣泛地應用到諸如醫(yī)學圖像處理、雷達、通信、人臉識別、機器學習等領(lǐng)域中。
     壓縮感知過程可以描述為：當某一信號滿足稀疏性或在某個變換域中為稀疏形式時，壓縮感知理論能夠以較少的測量信號精確重構(gòu)被測量的信號。其理論框架如圖1所示。

1.2 無線傳感器網(wǎng)絡與研究現(xiàn)狀
    WSNs是由部署在監(jiān)測區(qū)域內(nèi)的大量微型傳感器節(jié)點通過無線通信的方式形成的多跳的自組織網(wǎng)絡系統(tǒng)[1]。2003年，美國的《技術(shù)評論》雜志將WSNs列為未來改變?nèi)藗兩畹氖蠹夹g(shù)之一[2]。當下，基于傳感器網(wǎng)絡技術(shù)的物聯(lián)網(wǎng)IOT(Internet of Things)得到了世界各國的重視，發(fā)展迅猛。物聯(lián)網(wǎng)早已超越了單純的RFID的概念，成為一種泛在的網(wǎng)絡，它的典型無線傳感器網(wǎng)絡結(jié)構(gòu)由分布在探測區(qū)域的大量傳感器節(jié)點以及數(shù)據(jù)收集中心(一般稱為基站)所組成。傳感器節(jié)點通過無線連接的方式與基站建立數(shù)據(jù)通路，發(fā)送測量到的數(shù)據(jù)。
    WSNs是以數(shù)據(jù)為中心的網(wǎng)絡,在許多應用中節(jié)點可以感知兵力、裝備、物資、地形和布防信息，定位攻擊目標，評估損失，偵察和探測核、生物和化學攻擊等。這些高度敏感的數(shù)據(jù)一旦被攻擊者獲取，將危及整個網(wǎng)絡的安全，因此在很多場合必須采取有效措施保護WSNs中機密信息傳輸?shù)陌踩玔7]。WSNs是任務型的網(wǎng)絡，運行中須保證網(wǎng)絡、節(jié)點和數(shù)據(jù)三個層次的安全，其中數(shù)據(jù)安全是重中之重，主要包括數(shù)據(jù)的機密性(Confidentiality)、真實性(Authentication)、完整性(Integrity)和新鮮性(Freshness)[8]。以數(shù)據(jù)為中心的WSNs中存在的安全威脅很大程度上只能通過數(shù)據(jù)安全技術(shù)解決，密碼技術(shù)和數(shù)字水印技術(shù)是兩種主要的數(shù)據(jù)安全保護方法。目前，WSNs的數(shù)據(jù)安全解決方案主要集中在以加密為核心的技術(shù)領(lǐng)域[9-10]。
    具有現(xiàn)代意義的WSNs相關(guān)研究最早是20世紀90年代末在美國開始的，其后，該技術(shù)相繼被一些重要機構(gòu)預測為改變世界的重要新技術(shù)，其相關(guān)研究工作在世界各地開展起來[11]。隨著研究的深入，WSNs已經(jīng)在軍事國防、工農(nóng)業(yè)、城市管理、生物醫(yī)療、環(huán)境監(jiān)測、搶險救災、防恐反恐、危險區(qū)域遠程控制等重要領(lǐng)域取得了成果[12]。
2 基于壓縮感知的無線傳感網(wǎng)絡研究
2.1 研究目的和實際意義
    目前傳感器網(wǎng)絡中通常部署有大量的傳感器節(jié)點，從成本的角度考慮，這些傳感器節(jié)點所安裝的操作系統(tǒng)一般為簡單的嵌入式系統(tǒng)，其處理能力和電池能量都是有限的，加密技術(shù)的采用往往會導致傳感器節(jié)點使用壽命的急劇下降，降低整個無線傳感器網(wǎng)絡的整體生存時間。因此，如何設計高效的算法使得在保障機密性的同時傳感器節(jié)點的能量消耗盡可能少成為一個重要的研究方向。
    相比較于JPEG和JPEG2000有損壓縮方式，CS技術(shù)的優(yōu)越性在于：(1)采集較少的樣本并充分利用其重構(gòu)信號；(2)采用簡單編碼（線性投影）和復雜解碼（非線性投影），而一般在實際中編碼端的計算能力相對較弱，解碼端（通常為基站或計算機）具有很強的計算能力[13]?？紤]到WSNs能耗和計算能力有限的情況，以上兩大優(yōu)勢使 CS技術(shù)能夠更好地應用于WSNs，適用于WSNs中信息的安全隱秘傳輸，能夠在安全隱秘傳輸數(shù)據(jù)的同時，維持整個傳感器網(wǎng)絡較長的生存期，具有較強的研究意義和應用價值。
2.2 研究綜述
    本文對壓縮傳感應用于無線傳感器網(wǎng)絡的相關(guān)研究進行了總結(jié)，認為目前的研究主要集中在以下4個方面。
    (1) CS技術(shù)在WSNs數(shù)據(jù)融合中的應用[14-16]
　  參考文獻[14]中指出，隨著WSNs目標傳感器范圍的擴大，融合函數(shù)變得越來越復雜，融合運算中的能量損耗也越來越大。因此，提出在WSNs數(shù)據(jù)融合中采用壓縮感知技術(shù)。采用自適應分布式數(shù)據(jù)融合算法，在路由過程中采集并融合相關(guān)傳感器節(jié)點，從而使傳輸和融合能耗達到最小。實驗結(jié)果表明，采用自適應分布式數(shù)據(jù)融合算法能夠使能耗減小。
　 參考文獻[15]通過調(diào)研CS在WSNs中的數(shù)據(jù)采集應用，旨在通過聯(lián)合路由和壓縮融合來最小化網(wǎng)絡能量損耗。它描述了該優(yōu)化問題的最優(yōu)解，證明了其NP-完備性，所提出的混合整數(shù)規(guī)劃框架和貪婪啟發(fā)法(Greedy Heuristics)最優(yōu)解和次優(yōu)解的融合樹都能有效獲得。結(jié)果證實了貪婪啟發(fā)法的作用，以及采用所提出的路由和融合設計能量有效性。
　 參考文獻[16]提出了普通壓縮感知(Plain-CS）和混合壓縮感知（Hybrid-CS）概念，以特定數(shù)據(jù)融合機制的形式應用于WSNs中的網(wǎng)絡層。調(diào)研了在WSNs中采用壓縮感知采集數(shù)據(jù)的優(yōu)點。描述了普通CS，提出了融合傳統(tǒng)數(shù)據(jù)采集和普通CS的混合CS框架，用3個基于量的最優(yōu)化問題來計算不采用CS、采用普通CS和混合CS的吞吐量。仿真結(jié)果表明，較于不采用CS，僅采用普通CS技術(shù)可能無法提高吞吐量，而采用混合CS技術(shù)能夠較大地提高吞吐量。
    (2) CS技術(shù)在WSNs數(shù)據(jù)采集和信號獲取中的應用[12-17]
　 參考文獻[17]提出了一種在WSNs中基于CS框架監(jiān)視1-D環(huán)境下的信息的新方法。該方法利用信號的可壓縮性減少融合中心FC(Fusion Center)恢復采樣信號的采樣值，從而減少傳感器節(jié)點的能量損耗。該方法的創(chuàng)新點在于構(gòu)建了一個考慮采樣因果關(guān)系、硬件局限性并權(quán)衡隨機化設計和計算復雜度的隨機采樣新方案。此外，采樣率指示器SRI(Sampling Rate Indicator)反饋機制被建立起來，使傳感器能夠在能量損耗最小化的情況下，將采樣速率調(diào)整到一個能夠接受的重構(gòu)性能范圍之內(nèi)。通過采用從部署的WSNs獲取的實際數(shù)據(jù)證明，在實現(xiàn)可接受重構(gòu)誤差的情況下，該方法能夠有效減少采樣值的數(shù)量，從而實現(xiàn)減少在數(shù)據(jù)獲取和傳輸中的能量損耗。
    在參考文獻[12]中，對現(xiàn)有WSNs數(shù)據(jù)采集融合技術(shù)進行了分析闡述，并深入探討CS相關(guān)重點理論和關(guān)鍵技術(shù)，以WSNs具體特性為依據(jù)，針對不同的應用環(huán)境，構(gòu)建多種基于CS的WSNs數(shù)據(jù)采集模型。針對網(wǎng)絡內(nèi)各種數(shù)據(jù)類型，建立具有主動發(fā)起和被動激活異常檢測方式的無線周期數(shù)據(jù)采集模型，實現(xiàn)網(wǎng)絡內(nèi)異常數(shù)據(jù)的準確恢復。采用貝葉斯CS進行WSNs的信號采集，并運用快速向量機算法，通過最大邊緣似然估計對稀疏系數(shù)進行估計，完成測量信號的原始重構(gòu)。采用這種算法，信號的重構(gòu)速度將得到明顯的提高。
    (3) CS在WSNs數(shù)據(jù)恢復和信號重構(gòu)中的應用[18-19]
　 參考文獻[18]調(diào)研了無線傳感器網(wǎng)絡中壓縮感知聯(lián)合主成分分析PCA(Principal Component Analysis)在數(shù)據(jù)恢復中的效果。首先，在貝葉斯理論下構(gòu)建信號恢復框架，并證明在一定的信號統(tǒng)計假設下，采用CS方法在信號恢復性能中是最理想的。因此，上述假設也適用于通過實際WSNs部署和處理獲取的數(shù)據(jù)。最后得出結(jié)論：采用CS方法，不僅在恢復框架中是合理的，而且在獲取數(shù)據(jù)中也具有很好的性能。
    參考文獻[19]的主要貢獻是設計了一個用于控制WSNs從外部服務器連接到網(wǎng)絡的WSNs控制架構(gòu)。在此架構(gòu)下，設計了一個融合主成分分析和CS的壓縮和恢復技術(shù)，用于在傳感器域部件通過相對較少的樣本來重構(gòu)信號。實驗結(jié)果顯示，采用CS技術(shù)恢復信號十分有效，并且能夠為WSNs中現(xiàn)實和非平穩(wěn)信號的數(shù)據(jù)采集與重構(gòu)實現(xiàn)全自動化。
    (4) CS在WSNs數(shù)據(jù)傳輸和路由中的應用[20,21]
　 目前的大多數(shù)研究工作的側(cè)重點都在于數(shù)據(jù)的有效采集和傳輸。
    參考文獻[20]指出CS對于整個分布式WSNs具有非常高的應用潛力。它提出了一個解決WSNs中數(shù)據(jù)采集的問題：路由選擇和CS技術(shù)協(xié)同傳輸數(shù)據(jù)的隨機投影,研究了CS與路由框架聯(lián)合恢復合成信號和實際傳感器數(shù)據(jù)兩種不同信號的表現(xiàn)。結(jié)果顯示，對于合成信號，當采用CS時，重構(gòu)效果在中心節(jié)點得到增強;然而在實際傳感器數(shù)據(jù)的重構(gòu)中不能很好地體現(xiàn)。并指出，進一步調(diào)研信號表示和路由，使CS能夠在實際WSNs部署中更好地發(fā)揮性能。
　 參考文獻[21]指出，傳統(tǒng)的CS應用常常受制于由密集測量值產(chǎn)生的巨量傳輸成本。為了解決上述問題，提出幾種采用基于CS的稀疏測量值改善的隨機路由方法，用于有效的數(shù)據(jù)采集與典型WSNs環(huán)境中，不同網(wǎng)絡拓撲結(jié)構(gòu)相一致，并分析與現(xiàn)有數(shù)據(jù)采集框架相比較的相關(guān)性能。獲取的實驗結(jié)果表明，所提出的框架對信號重構(gòu)和減少路由能量損耗非常有效。
    研究可知，壓縮感知應用于無線傳感器網(wǎng)絡在國外已經(jīng)有不少的論文研究，主要關(guān)注于降低WSNs中傳感器節(jié)點的能量損耗，從而獲得更長久的生存周期，涉及到信號或數(shù)據(jù)采集、數(shù)據(jù)傳輸與路由、數(shù)據(jù)融合、信號重構(gòu)等方面。但是上述數(shù)據(jù)傳輸?shù)难芯慷际腔跓o外界影響的理想情況下的，當出現(xiàn)惡意攻擊者時，容易出現(xiàn)數(shù)據(jù)丟失、截取、篡改等問題，這給數(shù)據(jù)安全帶來了極大的麻煩，特別是在一些機密數(shù)據(jù)的傳輸中。通過調(diào)研發(fā)現(xiàn)，對于WSNs中利用壓縮感知對數(shù)據(jù)進行隱秘傳輸和重構(gòu)在國內(nèi)外研究較少，因此，如何在減少能量損耗的同時對數(shù)據(jù)進行隱秘傳輸是一個需要迫切研究的問題。
3 總結(jié)與展望

    將壓縮感知理論應用于無線傳感器網(wǎng)絡中，能夠在較大程度上減少信號采集、傳輸和重構(gòu)中的能量損耗，提高傳感器節(jié)點的生存周期。對此，國外的理論研究已經(jīng)相對成熟，但是隨著無線傳感器網(wǎng)絡的發(fā)展，數(shù)據(jù)安全成為日益關(guān)注的問題，目前的大多數(shù)對于壓縮傳感應用于WSNs的研究側(cè)重點都在于數(shù)據(jù)的有效采集和傳輸，而對于實現(xiàn)無線傳感器網(wǎng)絡環(huán)境數(shù)據(jù)安全隱秘的傳輸和重構(gòu)的論述較少，國內(nèi)外鮮有對其論述的文獻。因此，如何給出有效的基于壓縮感知的WSNs安全數(shù)據(jù)傳輸模型是將來一個重要的研究方向。此外，在壓縮傳感域?qū)o線傳感器網(wǎng)絡中的數(shù)據(jù)進行融合處理是另一個重要研究領(lǐng)域[22]。
參考文獻
[1] AKYILDIZ L F, SU W L. A survey on sensor networks[J]. IEEE Communications Magazine,2002,40(8):102-114.
[2] 崔遜學, 左從菊. 無線傳感器網(wǎng)絡簡明教程[M]. 北京:清華大學出版社, 2009.
[3] DAVID L D. Compressed sensing[J]. IEEE Transactions on  Information Theory, 2006,52(4):1289-1306.
[4] CAND S E, ROMBERG J, TAO T. Robust uncertainty principles: exact signal reconstruction from highly incomplete frequency information[J]. IEEE Transactions on Information Theory, 2006,52(2):489-509.
[5] CAND S E. Compressive sampling[C]. In: Proceedings of International Congress of Mathematicians. Madrid, Spain: European Mathematical Society Publishing House, 2006：1433-1452.
[6] BARANIUK R G. Compressive sensing[J]. IEEE Signal Processing Magazine, 2007,24(4):118-121.
[7] 肖湘蓉, 孫星明, 陳明剛. 基于信息隱藏的傳感器網(wǎng)絡數(shù)據(jù)安全傳輸[J]. 計算機科學，2007,34(9):142-147.
[8] DEB B, BHATNAGAR S, NATH B. Information assurance in sensor networks[C]. In: WSNA’03, San Diego, California, USA, September 2003:160-168.
[9] Xue Qi, GANZ A. Runtime security composition for sensor  network(secure sense)[C]. In: 2003 IEEE 58th Vehicular Technology Conference (VTC 2003-Fall), 2003(5):2976-2980.
[10] ALSAKIB K P, TRAN T D, CHONG S H. A key management scheme with encoding and improved security for wireless sensor networks[C]. In: ICDCIT, 2006:102-115.
[11] 孫利民. 無線傳感器網(wǎng)絡[M]. 北京: 清華大學出版社, 2005.
[12] 高藝. 能源自給低功耗無線傳感器網(wǎng)絡關(guān)鍵技術(shù)研究[D]. 天津：南開大學，2010.
[13] MAJUMDAR A, WARD R K.Compressed sensing of color  images[J]. Signal Processing, 2010:3122-3127.
[14] Li Li, Li Jian. Research of compressed sensing theory in WSN data fusion [C]. 2011 Fourth International Symposium on Computational Intelligence and Design (ISCID).2011:125-128.
[15] Liu Xiang, Luo Jun, VASILAKOS A. Compressed data aggregation for energy efficient wireless Sensor networks[C]. 2011 8th Annual IEEE Communications Society Conference on Sensor, Mesh and Ad Hoc Communications and Networks, 2011:46-54.
[16] Liu Xiang, Luo Jun, VASILAKOS A. Does compressed sensing improve the throughput of wireless sensor networks[C]. 2010 IEEE International Conference on Communications (ICC), 2010:1-6.
[17] Chen Wei, WASSELL I J. Energy efficient signal acquisition via compressive sensing in wireless sensor networks[C].2011 6th International Symposium on Wireless and Pervasive Computing(ISWPC), 2011:1-6.
[18] MASIERO R, QUER G, ROSSI M, et al. A Bayesian analysis of compressive sensing data recovery in wireless sensor networks[C]. International Conference on Ultra Modern Telecommunications & Workshops, 2009: 1-6.
[19] QUER G, ZORDAN D, MASIERO R, et al. WSN-control: signal reconstruction through compressive sensing in wireless sensor networks[C]. 2010 IEEE 35th Conference on Local Computer Networks (LCN), 2010: 921-928.
[20] QUER G, MASIERO R, MUNARETTO D, et al. On the interplay between routing and signal representation for compressive sensing in wireless sensor networks[C]. Information Theory and Application Workshop, 2009: 206-215.
[21] Wang Xiao, Zhao Zhifeng, Xia Yu, et al. Compressed sensing for efficient random routing in multi-hop wireless sensor networks[C]. 2010 IEEE GLOBECOM Workshops, 2010: 266-271.
[22] DAVENPORT M A, WAKIN M B. Signal processing with  compressive measurements[J]. IEEE Journal of Selected  Topics in Signal Processing, 2010,4(2):445-460.