مروري بر تجميع داده مبتني بر سنجش فشرده در شبكه هاي حسگر بيسيم

Compressive Sensing-based Data Aggregation in Wireless Sensor Networks: A Review

در اين مقاله مروري، هدف ما توصيف پيشرفت هاي اخير تكنيك جمع آوري داده مبتني بر سنجش فشرده در شبكه هاي حسگر بي سيم شامل تلاش هاي صورت گرفته در تحقيقات جاري، چالش ها و روندهاي تحقيقاتي است. سيگنال هاي تنك و قابل فشرده شدن در بسياري از زمينه هاي كاربردي شبكه هاي حسگر مانند نظارت محيطي و مراقبت از وسايل نقليه حضور دارند. سنجش فشرده واجد ويژگيهاي فراواني از قبيل سادگي عمليات سنجش و فشرده سازي، عموميت در سيگنال هاي جمع آوري شده و افت قابل قبول در كيفيت بازسازي سيگنال مي باشد كه آن را براي استفاده در شبكه هاي حسگر جذاب مي سازد. ازدست رفتن بسته ها نيز تقريباً به اندازه پروتكل هاي ديگر به شبكه آسيب نمي رساند و فقط براي هر اندازه گيري كه به چاهك نرسيده است باعث كمي افت در كيفيت بازسازي سيگنال خواهد شد. بحث را با مقدمه اي مختصر بر نظريه سنجش فشرده آغاز مي كنيم و سپس استفاده از اين تكنيك را در شبكه هاي حسگر بيسيم شرح مي دهيم. در نهايت، مسائل و چالش هاي تحقيقاتي پيش رو مورد بحث قرار مي گيرد تا چشم اندازي جهت تحقيقات آينده فراهم شود

In this review article, we aim to describe recent advances in compressive sensing-based data aggregation techniques in wireless sensor networks, including current research efforts, challenges, and research trends. Sparse and compressible signals are present in many applications of sensor networks, such as environmental monitoring and vehicle surveillance. Compressive sensing has many properties such as simplicity of sensing and compression operations, universality, and an acceptable decrease in the quality of signal reconstruction, which makes it attractive for use in sensor networks. Packet drops do not damage the network as much as other protocols, and only for each measurement that does not reach the sink will cause a slight decrease in the quality of signal reconstruction. We begin the discussion with a brief introduction to compressive sensing theory and then describe the use of this technique in wireless sensor networks. Finally, the research issues and challenges ahead are discussed to provide a perspective for future research