何风行 余志军 刘海涛

①(中国科学院上海微系统与信息技术研究所 上海 200050)

②(无锡物联网产业研究院 无锡 214135)

1 引言

压缩感知理论自2006年正式提出以来[1,2]，在信号处理、通信、WSN等领域中的应用迅速成为学术热点。WSN主要特点是传感器节点的能量、计算能力、通信能力受限，而融合中心有相对强大的计算能力，能量不受限。基于压缩感知的系统特点是：传感器节点直接采样少量数据，同时完成采样和压缩，不需要基于香农-乃奎斯特定理进行大量、高速采样再额外运行复杂的压缩算法。这使得传感器节点变得简单、廉价，付出的代价是信号恢复时的重构算法运算量较大，而信号重构是在融合中心进行，融合中心没有能量、计算能力的苛刻限制。压缩感知的这种“天然特点”是为WSN“量身定制”的。

定位是WSN的支撑技术，WSN采集的信息中包含位置信息才能和物理世界对应，具有实际意义[3]。基于接收信号强度(RSS)的定位技术相比基于到达时间差(TDOA)，到达时间(TOA)，到达角度(AOA)等定位技术，具有成本低廉、无需多余硬件、容易获取等特点，取得广泛应用。近年来将稀疏变换、压缩感知应用于 WSN定位问题研究成为学术热点。文献[4]用稀疏变换研究定位问题，不足之处是算法的复杂度太高。文献[5]用压缩感知研究WSN的定位问题，它把 WSN目标定位问题转变为压缩感知问题，这种方法的不足之处在于每个传感节点都需要有一个定位字典(localization dictionary)，并且对目标在网格中的位置做了限定。文献[6]用压缩感知的方法研究了WSN目标定位问题，把WSN多目标定位问题转换为K个稀疏度为1的N维向量重构问题。……