مروری بر تجمیع داده مبتنی بر سنجش فشرده در شبکه های حسگر بیسیم

در این مقاله مروری، هدف ما توصیف پیشرفت های اخیر تکنیک جمع آوری داده مبتنی بر سنجش فشرده در شبکه های حسگر بی سیم شامل تلاشهای صورت گرفته در تحقیقات جاری، چالش ها و روندهای تحقیقاتی است. سیگنالهای تنک و قابل فشرده شدن در بسیاری از زمینه های کاربردی شبکه های حسگر مانند نظارت محیطی و مراقبت از وسایل نقلیه حضور دارند. سنجش فشرده واجد ویژگیهای فراوانی از قبیل سادگی عملیات سنجش و فشرده سازی، عمومیت در سیگنالهای جمع آوری شده و افت قابل قبول در کیفیت بازسازی سیگنال می باشد که آن را برای استفاده در شبکه های حسگر جذاب می سازد. ازدست رفتن بسته ها نیز تقریباً به اندازه پروتکل های دیگر به شبکه آسیب نمی رساند و فقط برای هر اندازه گیری که به چاهک نرسیده است باعث کمی افت در کیفیت بازسازی سیگنال خواهد شد. بحث را با مقدمه ای مختصر بر نظریه سنجش فشرده آغاز می کنیم و سپس استفاده از این تکنیک را در شبکه های حسگر بیسیم شرح می دهیم. در نهایت، مسائل و چالش های تحقیقاتی پیش رو مورد بحث قرار می گیرد تا چشم اندازی جهت تحقیقات آینده فراهم شود

compressive sensing-based data aggregation in wireless sensor networks: a review

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