智能化信號(hào)信息處理技術(shù)的發(fā)展與展望

王薇

摘要： 隨著智能化領(lǐng)域的迅猛發(fā)展，目前信號(hào)信息處理技術(shù)已經(jīng)廣泛應(yīng)用到通信系統(tǒng)中，智能化技術(shù)在通信系統(tǒng)射頻前端起著發(fā)射和接收電磁波的重要作用，研究相應(yīng)的智能化信號(hào)信息處理技術(shù)尤為重要?，F(xiàn)如今，信息信號(hào)不僅需要覆蓋LTE工作頻帶，還要兼容其他頻段。除此之外，設(shè)計(jì)中還要兼顧消費(fèi)者所期待的低剖面、輕重量、多頻段等性能需求，這些要求都給智能化信號(hào)信息處理帶來(lái)巨大挑戰(zhàn)。

關(guān)鍵詞：智能化；信號(hào)信息處理；無(wú)線(xiàn)通訊

中圖分類(lèi)號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2016）36-0057-02

智能化信號(hào)信息處理技術(shù)開(kāi)始于上世紀(jì)九十年代，是一種新興的信息處理技術(shù)并且發(fā)展勢(shì)頭很迅猛，引起了國(guó)內(nèi)外的科研工作者廣泛的關(guān)注并做了大量的工作。智能化信號(hào)信息處理是由分布在監(jiān)測(cè)區(qū)的大量節(jié)點(diǎn)組成，每個(gè)節(jié)點(diǎn)采集周?chē)h(huán)境的物理量并進(jìn)行處理和傳輸，采集的信息最終達(dá)到中端觀察者，實(shí)施對(duì)監(jiān)測(cè)區(qū)進(jìn)行數(shù)據(jù)采集和監(jiān)測(cè)，可探測(cè)的物理量有溫度、濕度、光照強(qiáng)度、壓力、移動(dòng)物體的速度、方向、體積大小等物理量。利用它的節(jié)點(diǎn)部署簡(jiǎn)單、抗毀性強(qiáng)、組網(wǎng)快等特點(diǎn)智能化信號(hào)信息處理被廣泛應(yīng)用在在軍事國(guó)防，醫(yī)療救護(hù)，地震預(yù)警，建筑振動(dòng)，交通運(yùn)輸?shù)阮I(lǐng)域。

1 智能化信號(hào)信息處理技術(shù)的發(fā)展歷程

1978 年 WSN 起源于美國(guó)軍方的需求，20 世紀(jì) 90 年代各國(guó)陸續(xù)也啟動(dòng) WSN 項(xiàng)目的研究。由于 WSN 要應(yīng)用在不同的應(yīng)用背景下，單一的路由協(xié)議不能滿(mǎn)足應(yīng)用的需求，路由協(xié)議可分為平面路由和分簇路由協(xié)議，他們各有各的特點(diǎn)。我們著重說(shuō)分簇路由協(xié)議，在分簇協(xié)議中，WSN 一般由傳感器節(jié)點(diǎn)、匯聚節(jié)點(diǎn)和管理節(jié)點(diǎn)組成，大量的廉價(jià)的傳感器節(jié)點(diǎn)通過(guò)智能化通信的方式自組織的形成一個(gè)多跳的網(wǎng)絡(luò)系統(tǒng)，傳感器節(jié)點(diǎn)把采集到的信息進(jìn)行處理傳送給匯聚節(jié)點(diǎn)，然后匯聚節(jié)點(diǎn)通過(guò)特定的網(wǎng)絡(luò)傳給觀察節(jié)點(diǎn)。

網(wǎng)絡(luò)的形成主要的作用就是數(shù)據(jù)收集和傳送，網(wǎng)絡(luò)數(shù)據(jù)的傳輸離不開(kāi)路由協(xié)議，WSN 的基礎(chǔ)和關(guān)鍵技術(shù)也是路由協(xié)議，傳感器節(jié)點(diǎn)的能量主要消耗在智能化通信中，所以網(wǎng)絡(luò)層路由協(xié)議設(shè)計(jì)的好壞對(duì)網(wǎng)絡(luò)的能耗、數(shù)據(jù)處理效率和網(wǎng)絡(luò)壽命周期起著重要作用。目前很多研究機(jī)構(gòu)對(duì) WSN 通信協(xié)議展開(kāi)研究，很多種路由協(xié)議被提出，如Flooding、Gossiping等一系列平面路由協(xié)議以及 LEACH、LEACH-C等一系列層次路由協(xié)議。

數(shù)據(jù)融合技術(shù)也叫信息融合，也就是對(duì)節(jié)點(diǎn)接受的信息進(jìn)行融合，能明顯減少網(wǎng)絡(luò)要傳輸?shù)男畔ⅲ越档途W(wǎng)絡(luò)能耗，網(wǎng)內(nèi)壓縮技術(shù)是一種有效提高網(wǎng)絡(luò)數(shù)據(jù)處理效率和降低網(wǎng)絡(luò)能耗的方法，然而現(xiàn)有的數(shù)據(jù)壓縮技術(shù)如分布式變換編碼，和分布式信源編碼等，都有編碼復(fù)雜，解碼簡(jiǎn)單的特點(diǎn)，無(wú)法滿(mǎn)足 WSN 節(jié)點(diǎn)能源受限的特點(diǎn)。

自從 2006 年，Candés、Romberg 和 Tao 等人提出壓縮感知理論，CS 就吸引各國(guó)的專(zhuān)家和學(xué)者的關(guān)注，是壓縮采樣的新的發(fā)展。該理論認(rèn)為只要對(duì)可壓縮的信號(hào)進(jìn)行少量隨機(jī)投影就可以恢復(fù)絕大部分信號(hào)，突破了傳統(tǒng)的香農(nóng)采樣定理：要恢復(fù)原信號(hào)，采樣頻率必須高于被采樣信號(hào)最高頻率的二倍。CS 是將采樣和壓縮同時(shí)進(jìn)行，還將編碼端的復(fù)雜度轉(zhuǎn)移到解碼端，使得符合 WSN 的特點(diǎn)編碼端實(shí)現(xiàn)很簡(jiǎn)單。CS 用于在 WSN還僅限于簡(jiǎn)單的數(shù)據(jù)收集中，加上 CS 也是新興的數(shù)據(jù)獲取理論，也在快速的發(fā)展中，還存在許多的問(wèn)題等待完善，所以其有很大的實(shí)際應(yīng)用價(jià)值和學(xué)術(shù)意義。

目前 CS 主要采用感知數(shù)據(jù)內(nèi)部相關(guān)結(jié)構(gòu)進(jìn)行壓縮解碼的，而 WSN 中節(jié)點(diǎn)分布密集并且節(jié)點(diǎn)能量有限，我們要充分利用節(jié)點(diǎn)采集信號(hào)的內(nèi)部相關(guān)性和信號(hào)間的相關(guān)性結(jié)構(gòu)特點(diǎn)設(shè)計(jì)特殊方法和技術(shù)，由此產(chǎn)生了分布式壓縮感知處理技術(shù)。

2 智能化信號(hào)信息處理技術(shù)的展望

2.1 數(shù)據(jù)融合技術(shù)在智能化信號(hào)信息處理中的應(yīng)用

數(shù)據(jù)融合在國(guó)內(nèi)外研究的一個(gè)熱題，它是交叉性極強(qiáng)的學(xué)科，與當(dāng)今很多新的研究方向都有交叉，并融會(huì)這些方向的最新的研究成果。數(shù)據(jù)融合就是對(duì)數(shù)據(jù)或信號(hào)進(jìn)行處理、控制和決策得到更高效、更滿(mǎn)足用戶(hù)需要的數(shù)據(jù)的一體化過(guò)程。信號(hào)信息處理融合也叫多傳感融合，通過(guò)對(duì)空間分布的節(jié)點(diǎn)信息，以及各種采樣，對(duì)目標(biāo)進(jìn)行檢測(cè)、跟蹤、關(guān)聯(lián)和綜合等處理以更高概率、精度和置信度得到原始數(shù)據(jù)以及完整及時(shí)的狀態(tài)評(píng)估，提供決策信息。能支撐融合技術(shù)持續(xù)發(fā)展的主要因?yàn)閿?shù)據(jù)融合有以下重要作用：

能量節(jié)省。在 WSN 中部署大量冗余節(jié)點(diǎn)一保證網(wǎng)絡(luò)精度，因此產(chǎn)生很多節(jié)點(diǎn)采集的數(shù)據(jù)相似度很高，如果把所有節(jié)點(diǎn)采集的數(shù)據(jù)直接傳送到 SINK 節(jié)點(diǎn)，會(huì)造成大量的數(shù)據(jù)冗余，消耗大量網(wǎng)絡(luò)能量，并不能提高數(shù)據(jù)恢復(fù)精度，用數(shù)據(jù)融合處理這些數(shù)據(jù)就可以去除大量的冗余數(shù)據(jù)并節(jié)省網(wǎng)絡(luò)能量。目前很多學(xué)者提出了 WSN 的數(shù)據(jù)融合算法，例如 D-S 算法和貝葉斯算法，貝葉斯算法是重要的對(duì)不確定性問(wèn)題處理的數(shù)據(jù)融合算法，已廣泛運(yùn)用到數(shù)據(jù)融合系統(tǒng)中了，但此算法融合的精確度不高。

數(shù)據(jù)融合大致可以分為以下三類(lèi)：

1）像素級(jí)融合，也是直接的融合原始數(shù)據(jù)，屬于低層的數(shù)據(jù)融合，以像素為單位的傳感器節(jié)點(diǎn)的原始數(shù)據(jù)進(jìn)行融合，然后用于中央級(jí)融合中。

2）特征級(jí)融合，對(duì)每個(gè)觀測(cè)數(shù)據(jù)提取特征向量，實(shí)際就是壓縮數(shù)據(jù)的過(guò)程，然后把特征向量融合起來(lái)，一次來(lái)身份判定。

3）決策級(jí)融合，在決策級(jí)融合中每個(gè)節(jié)點(diǎn)獨(dú)立處理自己采集的信息，然后節(jié)點(diǎn)匯聚到一個(gè)點(diǎn)并將來(lái)自所有傳感器節(jié)點(diǎn)的數(shù)據(jù)進(jìn)行融合決策。

2.2 壓縮感知在智能化信號(hào)信息處理中的應(yīng)用

自從 2004 年，Candés、Romberg 和 Tao 等人提出壓縮感知理論，正式成為獨(dú)立的理論，短短十年間壓縮感知理論給信號(hào)處理帶來(lái)巨大的變化，此理論最早運(yùn)用在研究核磁共振成像問(wèn)題上，后來(lái)被運(yùn)用到智能化信號(hào)信息處理、工程數(shù)學(xué)以及圖像處理等多個(gè)學(xué)科，目前 CS 發(fā)展很迅猛，以美國(guó)為首，各國(guó)的著名大學(xué)都開(kāi)始 CS 理論相關(guān)應(yīng)用的研究。信號(hào)可以壓縮的前提是信號(hào)是可以稀疏的，這樣可以使信號(hào)的采樣和壓縮同時(shí)進(jìn)行，通過(guò)測(cè)量矩陣把高維信號(hào)投影到低維信號(hào)，這樣減少了信號(hào)傳輸?shù)牧?，減少了網(wǎng)絡(luò)能量和解決了信號(hào)傳輸?shù)膿頂D，然后從低維的信號(hào)通過(guò)重構(gòu)算法重構(gòu)高維的源信號(hào)，并且比傳統(tǒng)定理更精確的重構(gòu)。

Candés、Romberg 和 Tao 等人得出一重要的結(jié)論：當(dāng) CS 模型中的測(cè)量矩陣為部分傅里葉矩陣是，可以對(duì)原信號(hào)精確重構(gòu)，也就是可以用低維信號(hào)精確重構(gòu)高維信號(hào)，經(jīng)過(guò)學(xué)者對(duì)測(cè)量矩陣的研究，很多測(cè)量矩陣被提出，這些測(cè)量矩陣大致可分為三類(lèi)：1）貝努利隨機(jī)矩陣和高斯隨機(jī)矩陣等，這類(lèi)矩陣獨(dú)立服從某一分布，隨機(jī)性能好，重構(gòu)是所需測(cè)量數(shù)小，但在重構(gòu)時(shí)復(fù)雜，運(yùn)算量大。2）部分傅里葉矩陣和哈達(dá)瑪矩陣，這類(lèi)存在一些缺點(diǎn)，例如哈達(dá)瑪矩陣的維數(shù) N 必須是 2 的 a 次方，傅里葉矩陣僅與時(shí)域信號(hào)或者頻域稀疏的信號(hào)不相關(guān)。3）根據(jù)某些特定信號(hào)專(zhuān)門(mén)設(shè)計(jì)的測(cè)量矩陣，這種信號(hào)普適性很低，例如二進(jìn)制稀疏矩陣、循環(huán)矩陣等。CS 另一個(gè)核心就是重構(gòu)算法，常用的主要有凸優(yōu)化算法、貪婪算法、非凸優(yōu)化算法和組合算法。

分布式壓縮感知理論在 CS 的基礎(chǔ)上發(fā)展起來(lái)的但不同于 CS 理論，它主要可以在同時(shí)對(duì)信號(hào)的外部和內(nèi)部的相關(guān)性進(jìn)行有效的利用。Slepain 和 Wolf 提出了分布式信源編碼，他們指出信號(hào)在無(wú)損壓縮的條件下，聯(lián)合編碼和獨(dú)立編碼同樣有效的，信源編碼是DCS 的基礎(chǔ)。隨后 Ziv 和 Wyner 又詳細(xì)證明出在有損情況下的正確性。DSC 理論得出，在發(fā)射端不論信源是否聯(lián)合編碼，接收端都可以用聯(lián)合解碼得到等效的結(jié)果。分布式壓縮感知系統(tǒng)是在 CS 和 DSC 理論結(jié)合的新領(lǐng)域，D.Baron 在 2005 年第一次給出了 DCS 基本的理論概念。運(yùn)用 DCS，先在編碼端對(duì)信源進(jìn)行獨(dú)立測(cè)量，然后采集信源的相關(guān)特征值，最后選擇合適的聯(lián)合重構(gòu)算法，對(duì)信源信號(hào)恢復(fù)。

3 結(jié)語(yǔ)

智能化信號(hào)信息處理技術(shù)有自身的特點(diǎn)也有缺陷，如節(jié)點(diǎn)能量有限、易受環(huán)境影響和對(duì)數(shù)據(jù)處理能力有限。首先，網(wǎng)絡(luò)中節(jié)點(diǎn)會(huì)產(chǎn)生遠(yuǎn)大于自身處理能力的數(shù)據(jù)，融合會(huì)造成網(wǎng)絡(luò)的堵塞和數(shù)據(jù)的丟失；其次，就是能量有限，很難進(jìn)行能量補(bǔ)充，因此如何降低能耗，延長(zhǎng)網(wǎng)絡(luò)存活時(shí)間就成為 WSN 領(lǐng)域中的一個(gè)熱門(mén)問(wèn)題，分簇路由協(xié)議和提高節(jié)點(diǎn)的信息處理能力是解決這個(gè)問(wèn)題的有效方法。針對(duì)這些問(wèn)題最近興起的智能分簇和壓縮感知理論提供了很好的解決辦法。

參考文獻(xiàn)：

[1] 張樹(shù)群.智能信息處理技術(shù)的應(yīng)用及前景分析[J].科技資訊，2011（23）：56-57.

[2] 馬少平.發(fā)揮技術(shù)優(yōu)勢(shì)——搶占智能信息處理前沿[J].科技成果縱橫，2004（3）：168.

[3] 郭慶琳，樊孝忠.關(guān)于智能信息處理技術(shù)的研究[J].微計(jì)算機(jī)應(yīng)用，2003（4）：21-23.

[4] 徐汀榮，曹順良.智能信息處理系統(tǒng)的信息呈現(xiàn)技術(shù)[J].微電子學(xué)與計(jì)算機(jī)，2001（1）：240-241.