CN107171771A - 结构健康监测无线传感器数据丢失无损恢复嵌入式算法 - Google Patents

结构健康监测无线传感器数据丢失无损恢复嵌入式算法 Download PDF

Info

Publication number
CN107171771A
CN107171771A CN201710595044.7A CN201710595044A CN107171771A CN 107171771 A CN107171771 A CN 107171771A CN 201710595044 A CN201710595044 A CN 201710595044A CN 107171771 A CN107171771 A CN 107171771A
Authority
CN
China
Prior art keywords
data
embedded
matrix
wireless senser
random
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710595044.7A
Other languages
English (en)
Inventor
鲍跃全
李惠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Harbin Institute of Technology
Original Assignee
Harbin Institute of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Harbin Institute of Technology filed Critical Harbin Institute of Technology
Priority to CN201710595044.7A priority Critical patent/CN107171771A/zh
Publication of CN107171771A publication Critical patent/CN107171771A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
    • H04L1/0041—Arrangements at the transmitter end
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M7/00—Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
    • H03M7/30—Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
    • H04L1/0045—Arrangements at the receiver end
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/06—Optimizing the usage of the radio link, e.g. header compression, information sizing, discarding information
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明提供一种结构健康监测无线传感器数据丢失无损恢复嵌入式算法，嵌入智能无线传感器平台的无损压缩编码、随机增加信号的冗余度的矩阵运算以及信号传输方法。其嵌入的随机冗余矩阵通过函数随机产生，该方法产生的随机冗余矩阵只有相当少的非零元素，且非零元素的值均为+1。设该矩阵为ΦI，相比于传统的全随机冗余矩阵Φ，无线传感器存储ΦI所需的内存空间小；且用ΦI对数据增加冗余度的计算速度较快。在该嵌入式算法的支持下，无线传感器相对耗时耗电的数据包重复传输协议可被更加快速简洁的传输协议代替，基站收到的不完整数据能够恢复。

Description

结构健康监测无线传感器数据丢失无损恢复嵌入式算法
技术领域
本发明专利涉及一种土木工程结构健康监测技术领域，具体涉及一种结构健康监测无线传感器数据丢失无损恢复嵌入式算法。
背景技术
近年来，无线智能传感网络(Wireless Smart Sensor Network，简称WSSN)引起了在结构健康监测(Structural Health Monitoring，简称SHM)领域的研究者的重视。WSSN不仅仅相对于传统的有线传感网络有巨大优势，而且相比于其他的非智能无线传感网络发展更迅速、应用更广泛。尤其是在桥梁的健康监测领域，WSSN除了造价更低、布置方便之外，其更大的优势在于可以对数据进行预处理，这种预处理大大提升了在基站工作的监测人员的数据处理效率。
虽然WSSN比传统传感器具有相当多的优势，但是基于无线传感器的结构健康监测系统的稳定性十分容易受传输丢包的干扰。无线传输的可靠性与传输环境和天线有着很大的关系。传输环境的影响例如传输路径中出现其他电子设备与无线传感器工作在相同的频率段、恶劣天气(下雨、闪电等)都会造成无线干扰，导致数据采集仪器收到错误信号；无线传感器安装位置不合适、无线天线方向不合适，无线数据长距离传输，以及还有硬件等问题则会造成数据采集仪器无法收到足够强的信号。以上原因都会导致数据在传输过程丢失，因此各个领域的在实际工程应用中，需要迫切解决数据无线传输的丢包问题。数据在无线传输中出现丢失，不仅对数据质量本身有很大影响，还会对数据的后处理以及基于数据后处理结果的决策判断的准确性造成不良影响。各领域的学者在对无线传感器的应用研究的报告中，均提到了不同程度的数据丢失问题。通过使用数值模拟软件以及相关的实验研究，数据丢失带给后续处理的误差得到了一些量化的结果，这些结果表明，0.5％的数据丢失率等效于原数据的具有5％～10％的噪声干扰，并且给模态分析引入额外的误差，因此也会影响结构的健康诊断。
在结构健康监测系统中，少量的数据丢失是可以被允许的，但监测工作人员往往更倾向于做出基于更可靠的数据而得到更精准的决策，所以最近几年来，许多提升无线数据传输可靠性的方法被提了出来。一般来说，这些方法可以归为两类：第一类是反复、多次传输同一数据；第二类是传输一次带冗余信息的数据。在第一类方法中，传感器作为数据的发送端，需要持续进行数据传输，一直到数据采集仪器收到完整信号之后才停止。这一类方法需要反复在数据发送段和数据接收端建立连接，并且会造成数据接收的延迟。在第二类方法中，传感器并不传输原始数据，取而代之的是传输经过预先处理的数据，这种预先处理方法可以增加原始数据的冗余度，使得处理后的数据即使部分丢失，只要接收段能够收到足够量的数据，亦能通过数学手段重构出原始数据。不过，即便第二类方法比第一类方法更有效率、操作更加灵活，现今在工程实际应用领域(尤其是针对结构健康监测领域)很少有将第二类方法成功应用于计算、存储资源受限的无线传感器中的方案。
发明内容
本发明的目的是提出一种结构健康监测无线传感器数据丢失无损恢复嵌入式算法，是一种基于无损压缩编码和随机冗余矩阵的数据加密和传输的嵌入式算法，以适用于基于无线传感器网络的结构振动监测系统。
本发明内容如下：一种结构健康监测无线传感器数据丢失无损恢复嵌入式算法，算法步骤如下：
第一步：在无线传感器的计算内核上，通过对长度为n的原始数据x进行相邻两个数值作差，得到长度为n的差值数据d，再将差值数据d中每一个数值通过嵌入无线传感器的LEC无损压缩编码字典进行编码，得到长度为m、m<n的压缩后数据y；
第二步：依据数据y的长度m，取嵌入无线传感器的随机冗余矩阵Φ的前m列作为随机冗余矩阵ΦI，通过ΦI将压缩后数据y转换为长度为n的待传输数据z，这是一个增加数据冗余度的过程，即z＝ΦIy；然后无线传感器将数据z传输至数据收集基站；
第三步：在基站，数据接收器接收到的数据中有k个数据点在无线传输过程中丢失，得到不完整数据根据数据包发送的顺序，确定数据丢失的情况，从而确定矩阵由ΦI去除掉相应的丢失数据点对应的k行元素得到，其维数为(n-k)×m；
第四步：在基站计算终端，通过计算得到压缩后信号y，将信号y输入LEC解码器得到差值数据d，再将差值数据d经过还原即得到原始数据x。
本发明还具有如下技术特征：
1、如上所述的LEC无损压缩编码字典进行编码过程是：对差值数据中每一个数据点都进行二进制编码，其每一个点di的编码形式为si|ai，ai记录了数值di的大小，ai的长度记为li，si记录了li的值。di与ai的转换规则为：若di>0，则直接使用di的二进制原码作为ai；若di<0，则取|di|二进制原码，再将该原码的0和1逐位取反作为ai，预嵌入无线传感器中的LEC无损压缩编码表是si与li的一一对应的表1，
表1 si与li的转换规则
差值数据d中的每一个值di首先将被转换为ai，然后编码器将会根据ai的长度按照表1中的规则在ai前加上si；d中每一个值都编码完毕之后，所有的si|ai将会被拼合在一起，然后按照每28个二进制数为一组，转换为十进制数，存储成yi，所有yi将组成数据y。
2、如上所述的无线传感器的随机冗余矩阵Φ其生成过程如下：
第一步：初始化，向量O存储数值1至500；向量D为空向量；向量U作为存储向量O和向量D的差值的向量；为一个所有元素为0的矩阵；
第二步：开始循环计算1，对中的第i列，i从1循环至500，增量为1；
更新仍没有足够个数的数字1的矩阵列数，U＝O-D；
取得15和U的长度这二者之间较小的值作为r，r＝min(15,size(U))；
从U向量中的数字中随机选取r个正整数，作为行号，将矩阵这些行号中的每一行的第i个数值从0改变为；
第三步：开始循环2，对U向量中仍存在的每一个数值j循环，从最小的一个正整数至最大的一个正整数。
若矩阵的第j列所有数值中，含有15个非零元素，则将j添加至向量D中；
第三步：结束循环计算2；
第四步：结束循环计算1；
第五步：输出随机冗余矩阵Φ；
由于随机冗余矩阵中仅有225个数字1，其余位置为0，仅需存储这225个数字1的位置即可，无需存储整个矩阵Φ。
3、如上所述的LEC解码器的解码过程是首先将数据y从十进制转换为二进制，然后从第一个二进制位开始读取，寻找si，一旦找到si，立刻将其转换为li，然后解码器读入接下来的li个二进制位作为ai，并把ai转换为di存储，之后接着下一个二进制位读取，寻找下一个si，直至所有二进制位被解码完毕，即解出完整的差值数据d。
本发明的有益效果如下：
本发明实现了在智能无线传感器节点计算内核上对采集的数据进行压缩、增加冗余度和传输；在基站上实现了对不完整的有冗余信息的数据的恢复。整个过程提升了无线监测系统数据传输的可靠性。
在Imote2智能无线传感器平台上(如图2所示)，本发明能对三轴加速度信号同时进行加密和传输，并适用于不同采样频率，满足结构振动监测的需求。
本发明能对数据丢失率在30％以下的桥梁监测加速度信号进行有效的补偿，减小数据丢包造成的误差。
本发明为移动基站无线快速数据采集系统的数据传输提供了解决方案。数据可不重复传输，移动造成的丢包可以得到恢复。
附图说明
图1为基于压缩传感的无线数据传输和恢复框图；
图2为基于Imote2智能无线传感器平台的嵌入程序流程图；
图3为无线传感器在传输过程中没有丢包的情况下原始数据图；
图4为无线传感器在传输过程中没有丢包的情况下差值数据图；
图5为无线传感器在传输过程中没有丢包的情况下压缩后数据图；
图6为无线传感器传输过程中没有丢包的情况下经增冗余度后的待传输数据图；
图7为无线传感器在传输过程中没有丢包的情况下基站收到数据后进行重构得到的差值数据图，图中白线为误差值；
图8为在传输过程中没有丢包的情况下最终恢复的原始信号图；
图9为无线传感器在遇到少量丢包的情况下原始数据图；
图10为无线传感器在遇到少量丢包的情况下差值数据图；
图11为无线传感器在遇到少量丢包的情况下压缩后数据图；
图12为无线传感器在遇到少量丢包的情况下经增冗余度后的待传输数据图；
图13为无线传感器在遇到少量丢包的情况下基站端接收到的有丢包的数据图；
图14为无线传感器在遇到少量丢包的情况下重构后的差值数据图，图中零直线为误差值；
图15为无线传感器在遇到少量丢包的情况下最终恢复的原始信号图；
图16为无线传感器在遇到大量丢包时的原始数据图；
图17为无线传感器在遇到大量丢包时的差值数据图；
图18为无线传感器在遇到大量丢包时的压缩后数据图；
图19为无线传感器在遇到大量丢包时的经增冗余度后的待传输数据图；
图20为无线传感器在遇到大量丢包时的基站端接收到的有丢包的数据图；
图21为无线传感器在遇到大量丢包时的重构后的差值数据图，图中零直线为误差值；
图22为无线传感器在遇到大量丢包时的最终恢复的原始信号图；
具体实施方式
本发明的核心是一组能运行于智能无线传感器平台的无损压缩编码、随机增加信号的冗余度的矩阵运算以及信号传输方法。其嵌入的随机冗余矩阵由计算机通过函数随机产生(具体产生方式见实施方案)，该方法产生的随机冗余矩阵只有相当少的非零元素，且非零元素的值均为+1。设该矩阵为ΦI，相比于传统的全随机冗余矩阵Φ，无线传感器存储ΦI所需的内存空间小；且用ΦI对数据增加冗余度的计算速度较快。下面具体举例做以说明。
实施例1
本实施是基于Imote2无线传感器平台和Illinois结构健康监测工具包，Imote2的操作系统为TinyOS,代码语言为nesC。
差值数据是采用相邻两个原始数据之间相减得到的，设采集到的有n个数据点原始数据序列为x＝{x1,x2,...,xn}，那么差值数据d由下式确定：
于是，从差值数据d中依次从i＝1至n恢复出原始数据序列x的方式为
LEC无损压缩编码字典是在外部计算机预先生成并以代码的形式嵌入Imote2无线传感器的存储器。LEC压缩编码对差值数据中每一个数据点都进行二进制编码，其每一个点di的编码形式为si|ai，ai记录了数值di的大小，ai的长度记为li，si记录了li的值。di与ai的转换规则为：若di>0，则直接使用di的二进制原码作为ai；若di<0，则取|di|二进制原码，再将该原码的0和1逐位取反(原位是0则换为1，原位是1则换为0)作为ai。预嵌入Imote2无线传感器中的LEC无损压缩编码表是si与li的一一对应的表1，详情如下
表1 si与li的转换规则
差值数据d中的每一个值di首先将被转换为ai，然后编码器将会根据ai的长度按照表1中的规则在ai前加上si；d中每一个值都编码完毕之后，所有的si|ai将会被拼合在一起，然后按照每28个二进制数为一组，转换为十进制数，存储成yi，所有yi(m个)将组成数据y。LEC一般可以将长度为16000比特的差值数据d(1000个数据点)压缩成为8000比特左右。
LEC的解码过程是首先将数据y从十进制转换为二进制，然后从第一个二进制位开始读取，寻找si，一旦找到si，立刻将其转换为li，然后解码器读入接下来的li个二进制位作为ai，并把ai转换为di存储，之后接着下一个二进制位读取，寻找下一个si，直至所有二进制位被解码完毕，即可解出完整的差值数据d。
随机冗余矩阵同样也是预先在外部计算机生成并以代码的形式嵌入Imote2无线传感器的存储器，其生成过程如下：
在该实施例中，生成的随机冗余矩阵的维度选为500×500，矩阵元素中每行、每列仅含有15个数字1。
第一步：初始化，向量O存储数值1至500；向量D为空向量；向量U作为存储向量O和向量D的差值的向量；(维度为500×500)为一个所有元素为0的矩阵。
第二步：开始循环计算1，对中的第i列，i从1循环至500，增量为1。
更新仍没有足够个数的数字1的矩阵列数，U＝O-D。
取得15和U的长度这二者之间较小的值作为r，r＝min(15,size(U))。
从U向量中的数字中随机选取r个正整数，作为行号，将矩阵这些行号中的每一行的第i个数值从0改变为1。
第三步：开始循环2，对U向量中仍存在的每一个数值j循环，从最小的一个正整数至最大的一个正整数。
若矩阵的第j列所有数值中，含有15个非零元素，则将j添加至向量D中。
第三步：结束循环计算2。
第四步：结束循环计算1。
第五步：输出随机冗余矩阵Φ。
事实上，由于随机冗余矩阵中仅有225个数字1，其余位置为0，故仅需存储这225个数字1的位置即可，无需存储整个矩阵Φ。在增加数据冗余度的计算过程中，Φ亦不需要被完整生成，只需将其对数据的转换作用在Imote2无线传感器的计算内核上实现即可，这样处理进一步节省了内存空间和计算速度。
在Imote2无线传感器采集完加速度数据后，加速度时程数据被分解为1000个数据点(int16存储格式)的数据段；每一段数据均被Imote2无线传感器执行取差值、压缩和增加冗余度这三个步骤，最终转换为一段500个数据点(int32存储格式)的数据段，由于int16存储格式中每一个数据点占用存储空间为16比特，int32存储格式中每一个数据点占用存储空间为32比特，故最终转换的500个数据点与转换之前的1000个数据点在存储时所占用的空间是相同的；Imote2无线传感器将转换完成的数据段拼接形成最终数据并将其储存于静态内存中。当Imote2节点接收到基站的数据回收命令，Imote2无线传感器将数据分装打包并连续发送数据包至基站。基站在接收到数据包后，找出未收到的部分(丢包)并以0代替丢失数据；最终的数据被基站传输到电脑上经过去冗余度、解压缩和差值还原三个步骤，最后得到原始数据。在无线传感器端，该嵌入式算法的整个程序实现流程如图2所示。
实施例2
嵌入本发明算法的Imote2无线传感器被用于一系列的桥梁监测和加速度采集实验。这些实验验证了本发明的可行性和实用性。以下用三个具体实例说明本发明的效果；其分别代表三种无线通讯中常见的情况(无丢包，少量丢包和大量丢包)。
图3-8展示了加密数据y在传输过程中没有丢包的情况。在该情况下，原始数据在重构后无误差精确恢复，如图8所示。
图9-15展示了无线传感器在遇到少量丢包时的数据恢复实例：当一段使用嵌入式算法增加冗余度后的加速度数据在传输过程中丢包率达18.8％时，基于无损压缩编码和随机冗余矩阵的恢复算法的数据重构效果。可以看出，原始数据在恢复后没有误差，如图15所示。
图16-22展示了无线传感器在遇到大量丢包时的数据恢复实例：此段加速度数据在无线传输过程中丢包率高达26.2％。此时，原始数据在经过计算机恢复后仍然没有误差，进一步证明了本发明的实用性能，恢复的原始信号如图22所示。

Claims (4)

1.一种结构健康监测无线传感器数据丢失无损恢复嵌入式算法，其特征在于，算法步骤如下：
第一步：在无线传感器的计算内核上，通过对长度为n的原始数据x进行相邻两个数值作差，得到长度为n的差值数据d，再将差值数据d中每一个数值通过嵌入无线传感器的LEC无损压缩编码字典进行编码，得到长度为m、m<n的压缩后数据y；
第二步：依据数据y的长度m，取嵌入无线传感器的随机冗余矩阵Φ的前m列作为随机冗余矩阵ΦI，通过ΦI将压缩后数据y转换为长度为n的待传输数据z，这是一个增加数据冗余度的过程，即z＝ΦIy；然后无线传感器将数据z传输至数据收集基站；
第三步：在基站，数据接收器接收到的数据中有k个数据点在无线传输过程中丢失，得到不完整数据根据数据包发送的顺序，确定数据丢失的情况，从而确定矩阵 由ΦI去除掉相应的丢失数据点对应的k行元素得到，其维数为(n-k)×m；
第四步：在基站计算终端，通过计算得到压缩后信号y，将信号y输入LEC解码器得到差值数据d，再将差值数据d经过还原即得到原始数据x。
2.根据权利要求1所述的一种结构健康监测无线传感器数据丢失无损恢复嵌入式算法，其特征在于，所述的LEC无损压缩编码字典进行编码过程是：对差值数据中每一个数据点都进行二进制编码，其每一个点di的编码形式为si|ai，ai记录了数值di的大小，ai的长度记为li，si记录了li的值，di与ai的转换规则为：若di>0，则直接使用di的二进制原码作为ai；若di<0，则取|di|二进制原码，再将该原码的0和1逐位取反作为ai，预嵌入无线传感器中的LEC无损压缩编码表是si与li的一一对应的表1，
表1si与li的转换规则
差值数据d中的每一个值di首先将被转换为ai，然后编码器将会根据ai的长度按照表1中的规则在ai前加上si；d中每一个值都编码完毕之后，所有的si|ai将会被拼合在一起，然后按照每28个二进制数为一组，转换为十进制数，存储成yi，所有yi将组成数据y。
3.根据权利要求1所述的一种结构健康监测无线传感器数据丢失无损恢复嵌入式算法，其特征在于：无线传感器的随机冗余矩阵Φ其生成过程如下：
第一步：初始化，向量O存储数值1至500；向量D为空向量；向量U作为存储向量O和向量D的差值的向量；为一个所有元素为0的矩阵；
第二步：开始循环计算1，对中的第i列，i从1循环至500，增量为1；
更新仍没有足够个数的数字1的矩阵列数，U＝O-D；
取得15和U的长度这二者之间较小的值作为r，r＝min(15,size(U))；
从U向量中的数字中随机选取r个正整数，作为行号，将矩阵这些行号中的每一行的第i个数值从0改变为；
第三步：开始循环2，对U向量中仍存在的每一个数值j循环，从最小的一个正整数至最大的一个正整数。
若矩阵的第j列所有数值中，含有15个非零元素，则将j添加至向量D中；
第三步：结束循环计算2；
第四步：结束循环计算1；
第五步：输出随机冗余矩阵Φ；
由于随机冗余矩阵中仅有225个数字1，其余位置为0，仅存储这225个数字1的位置，不存储整个矩阵Φ。
4.根据权利要求1所述的一种结构健康监测无线传感器数据丢失无损恢复嵌入式算法，其特征在于：所述的LEC解码器的解码过程是首先将数据y从十进制转换为二进制，然后从第一个二进制位开始读取，寻找si，一旦找到si，立刻将其转换为li，然后解码器读入接下来的li个二进制位作为ai，并把ai转换为di存储，之后接着下一个二进制位读取，寻找下一个si，直至所有二进制位被解码完毕，即解出完整的差值数据d。
CN201710595044.7A 2017-07-20 2017-07-20 结构健康监测无线传感器数据丢失无损恢复嵌入式算法 Pending CN107171771A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710595044.7A CN107171771A (zh) 2017-07-20 2017-07-20 结构健康监测无线传感器数据丢失无损恢复嵌入式算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710595044.7A CN107171771A (zh) 2017-07-20 2017-07-20 结构健康监测无线传感器数据丢失无损恢复嵌入式算法

Publications (1)

Publication Number Publication Date
CN107171771A true CN107171771A (zh) 2017-09-15

Family

ID=59817673

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710595044.7A Pending CN107171771A (zh) 2017-07-20 2017-07-20 结构健康监测无线传感器数据丢失无损恢复嵌入式算法

Country Status (1)

Country Link
CN (1) CN107171771A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111078466A (zh) * 2019-11-13 2020-04-28 福建京奥通信技术有限公司 传感器数据丢失分析方法及系统
CN116032474A (zh) * 2023-03-27 2023-04-28 莱芜职业技术学院 一种基于大数据计算机网络安全防护系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102970707A (zh) * 2012-12-20 2013-03-13 李惠 基于压缩感知的无线传输数据丢失恢复方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102970707A (zh) * 2012-12-20 2013-03-13 李惠 基于压缩感知的无线传输数据丢失恢复方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
YUEQUAN BAO: "Recovery of lost data for wireless sensor network used in structural health monitoring", 《PROCEEDINGS OF SPIE》 *
ZILONG ZOU ETC: "An Approach of Reliable Data Transmission With Random Redundancy for Wireless Sensors in Structural Health Monitoring", 《IEEE SENSORS JOURNAL》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111078466A (zh) * 2019-11-13 2020-04-28 福建京奥通信技术有限公司 传感器数据丢失分析方法及系统
CN111078466B (zh) * 2019-11-13 2023-04-07 福建京奥通信技术有限公司 传感器数据丢失分析方法及系统
CN116032474A (zh) * 2023-03-27 2023-04-28 莱芜职业技术学院 一种基于大数据计算机网络安全防护系统
CN116032474B (zh) * 2023-03-27 2023-10-03 莱芜职业技术学院 一种基于大数据计算机网络安全防护系统

Similar Documents

Publication Publication Date Title
CN101677262B (zh) 无线通信系统、接收设备、调制方法及其程序
CN110782462A (zh) 一种基于双流特征融合的语义分割方法
US9986069B2 (en) Devices and methods to compress sensor data
CN101895297A (zh) 一种面向压缩感知的块稀疏信号重构方法
CN102353894B (zh) 基于参考向量和位掩码的soc的测试方法
CN106253913B (zh) 极化码的块编码器及其编码方法
CN108494527B (zh) 一种基于LoRa的数据发送和接收方法
CN109255429B (zh) 一种用于稀疏神经网络模型的参数解压方法
CN112232513A (zh) 一种量子态的制备方法及装置
CN107171771A (zh) 结构健康监测无线传感器数据丢失无损恢复嵌入式算法
KR20120137389A (ko) 송신기 및 송신 방법
CN109981224A (zh) 一种深空通信信道编译码系统及其方法
CN104753541A (zh) 无理数存储测试向量的测试数据压缩方法
CN113222150A (zh) 一种量子态的变换方法及装置
CN111447160A (zh) 基于神经网络的大规模mimo无源随机接入的信号检测方法
CN109598334A (zh) 一种样本生成方法及装置
CN111835464A (zh) 一种与源址无关的大规模合作接入方法
CN103442225A (zh) 基于数据库在线学习更新的有限速率下遥感图像传输系统
CN112257844A (zh) 一种基于混合精度配置的卷积神经网络加速器及其实现方法
CN107071451A (zh) 一种基于可变输入数据流的大动态实时解压缩系统
CN107437976A (zh) 一种数据处理方法及设备
US20240120939A1 (en) Polar encoding method and apparatus and polar decoding method and apparatus
CN106603082A (zh) 通用型高速ldpc码编码方法及编码器
CN103457706B (zh) 一种用于空间调制系统的多元幅移键控映射方法
CN110391874A (zh) 极化码的速率匹配、解速率匹配方法及设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20170915

WD01 Invention patent application deemed withdrawn after publication