论文部分内容阅读
在矿山物联网的不断发展过程中,越来越多的问题凸显出来,在煤矿井下以及地面上无线网络节点分布越来越多,尤其是井下。目前更加倾向于无人值守作业的智能操作,提高煤炭生产的安全性以及高效性是必然的趋势,由此各个节点要采集和处理的数据量将呈几何增长也将是正常化现象,带来的一系列问题将使物联网资源严重消耗,生存周期缩短。而一种新型的采样理论即压缩感知理论,其采样算法中采样率可以远低于奈奎斯特采样频率进行数据的采集,从而可以大大降低数据的采样量,提高了物联网的资源使用率,在数据的传输以及存储上都很有优势。本文通过对压缩感知的理论研究和分析,进一步将压缩感知理论进行算法改进,提出了基于小波变换的压缩感知改进算法,针对矿山物联网的数据采集和压缩进行深入研究。首先对压缩感知基础理论的三个重要环节即稀疏变换、数据观测、重构还原进行分析,然后将离散小波变换理论引入压缩感知算法中,本文采用的是sym3母小波作为小波变换基,主要是对数据稀疏环节的算法进行改进,将要采集的数据进行小波稀疏变换,得到稀疏系数,并结合煤矿相关数据进行算法实验和仿真,仿真平台采用Matlab7.1版本,编写m文件调用图像数据进行仿真验证。最后搭建硬件平台,主要采用Cyclone IV EP4CE22F17C8芯片器件,将改进型压缩感知算法进行FPGA硬件上的设计与研究,设计硬件各个模块的功能,采用Verilog硬件描述语言编写执行命令,进行硬件系统的仿真和实验验证,将实验数据与理论仿真数据进行对比,验证了硬件的可行性。