基于自动编码器的压缩感知技术在自适应物联网传感器网络中的应用

《IEEE Journal of Selected Areas in Sensors》：Autoencoder-Based Compressive Sensing for Adaptive IoT Sensor Networks

　　

摘要：

近年来，高效能的信号处理已成为一个重要的研究领域，这一趋势源于现代通信系统对成本效益解决方案需求的增加，尤其是在物联网（IoT）传感器网络应用中。与此同时，基于人工智能（AI）的方法也获得了广泛关注，其应用范围远远超出了用户驱动的内容创建。在本文中，我们探讨了这些新兴技术的交汇点，旨在实现更快的处理速度、更低的功耗以及更简单的硬件架构。我们结合了这两种技术的优势，将其应用于结构健康监测（SHM）领域的压缩感知（Compressive Sensing, CS）技术。具体而言，我们提出了一个集成自适应数据压缩策略的感知与监测框架，该框架同时利用了传统的压缩感知技术和基于深度学习的信号压缩方法。这项工作为开发一种低功耗、低数据传输速率且经济实惠的物联网传感器网络奠定了基础，这种网络能够适应不断变化的信道条件。为了支持这一框架，研究中对传统的压缩感知方法与基于AI的压缩技术进行了全面比较，重点关注了这两种技术在处理来自SHM系统的数据流时的压缩效率和重建能力。